Question

我遇到OpenMP任务问题。我正在尝试使用omp任务创建“for”循环的并行版本。但是，这个版本的执行时间比基本版本长2倍，我使用omp，我不知道是什么原因。看看代码风箱：

omp for version：

t.start();
#pragma omp parallel num_threads(threadsNumber)
{
    for(int ts=0; ts<1000; ++ts)
    {
        #pragma omp for
        for(int i=0; i<size; ++i)
        {
            array_31[i] = array_11[i] * array_21[i];
        }
    }
}
t.stop();
cout << "Time of omp for: " << t.time() << endl;

omp任务版本：

t.start();
#pragma omp parallel num_threads(threadsNumber)
{
    #pragma omp master
    {
        for(int ts=0; ts<1000; ++ts)
        {
            for(int th=0; th<threadsNumber; ++th)
            {
                #pragma omp task
                {
                    for(int i=th*blockSize; i<th*blockSize+blockSize; ++i)
                    {
                        array_32[i] = array_12[i] * array_22[i];
                    }
                }                    
            }

            #pragma omp taskwait
        }
    }
}
t.stop();
cout << "Time of omp task: " << t.time() << endl;

在任务版本中，我以与omp相同的方式划分循环。每个任务都必须执行相同数量的迭代。任务总量等于线程总数。

表现结果：

Time of omp for: 4.54871
Time of omp task: 8.43251

有什么问题？是否有可能在两个版本中获得类似的性能？附加代码很简单，因为我只想说明我试图解决的问题。我不希望两个版本都给我相同的性能，但我想减少差异。

感谢您的回复。最好的问候。

Answer 1

我认为这里的问题是开销。当您将循环声明为并行时，它会指定所有线程一次执行for循环的所有部分。当您启动任务时，每次启动任务时都必须完成整个设置过程。为什么不这样做呢。

#pragma omp parallel num_threads(threadsNumber)
{
    #pragma omp master
    {
        for(int ts=0; ts<1000; ++ts)
        {
            #pragma omp for
            for(int th=0; th<threadsNumber; ++th)
            {
                    for(int i=th*blockSize; i<th*blockSize+blockSize; ++i)
                    {
                        array_32[i] = array_12[i] * array_22[i];
                    }                   
            }


        }
    }
}

Answer 2

我要说你在这里尝试的问题与数据亲和性有关：当你使用#pragma omp for时，跨线程迭代的分布对于{{1的所有值总是相同的而对于任务，您无法指定任务与线程的绑定。

一旦这样说，我已经在我的机器中执行了三个1M元素阵列的程序，两个版本之间的结果更接近：

t1_for：2.041443s
t1_tasking：2.159012s

（我使用ts）

OpenMP任务并行性 - 性能问题

2 个答案: