Question

我想实现OpenMP来并行化我的代码。我从一个非常基本的例子开始，了解它是如何工作的，但我错过了一些东西......

所以，我的例子看起来像这样，没有并行化：

int main() {
  ...

  for (i = 0; i < n-1; i++) {
    u[i+1] = (1+h)*u[i]; // Euler
    v[i+1] = v[i]/(1-h); // implicit Euler
  }

  ...

  return 0;
}

我省略了“......”中的某些部分，因为它们不相关。它有效，如果我在文件上打印u[]和v[]数组，我会得到预期的结果。

现在，如果我尝试通过添加以下内容来并行化它：

#include <omp.h>

int main() {
  ...

  omp_set_num_threads(2);

  #pragma omp parallel for
  for (i = 0; i < n-1; i++) {
    u[i+1] = (1+h)*u[i]; // Euler
    v[i+1] = v[i]/(1-h); // implicit Euler
  }

  ...

  return 0;
}

代码编译并运行程序，但 u[] 和 v[] 数组中有一半是零。

如果我设置 omp_set_num_threads( 4 ) ，我会得到四分之三的零。如果我设置 omp_set_num_threads( 1 ) ，我会得到预期的结果。

所以它看起来只有第一个线程正在执行，而不是其他线程......

我做错了什么？

Answer 1

OpenMP假定循环的每次迭代都独立于其他循环。当你这样写：

循环的迭代i+1正在修改迭代i+1。同时，迭代t+1可能同时发生。

除非你能使迭代独立，否则这不是并行的好用例。

而且，如果你考虑一下Euler的方法所做的事情，那么显然不可能以这种方式并行处理你正在处理的代码。欧拉的方法基于时间t处的信息在时间t+1计算系统的状态。由于您在不知道首先了解t的情况下无法知道Intent intent = new Intent(Activity1.this, Activity2.class); intent.putExtra("data1" , "data_value_1"); intent.putExtra("data2" , "data_value_2"); startActivity(intnent);处的内容，因此无法在欧拉方法的迭代中进行并行化。

Answer 2

_{欢迎来到并行（或＆＃34;只是＆＃34; - 并发）多个计算现实。}

为什么？

处理循环的任何非顺序计划都会出现隐藏（未正确处理）数据泄露的问题 - { - access | -值} 及时完整。

纯粹的[SERIAL]处理流程没有这种危险，因为主要序列化的步骤间接地引入（正确的执行任务的严格顺序除外）一步一个接一个地作为序列）订单，其中没有机会＆＃34;触摸＆＃34;相同的内存位置同时两次或多次。

这＆＃34;安心＆＃34;一旦进程进入"just"-[CONCURRENT]或true-[PARALLEL]处理，就会无意中丢失。

突然间有一个几乎随机的顺序（在＆＃34;只是＆＃34; - [CONCURRENT]）或主要＆＃34;立即＆＃34;奇点（避免任何原始含义＆＃34;顺序＆＃34; - 在真正的[PARALLEL]代码执行模式的情况下 - 像机器人一样，具有6DoF，到达每个轨迹点真 - [PARALLEL]时尚，以纯粹的[SERIAL]方式并行驱动所有6个DoF轴，而不是一个接一个地驱动所有6个轴，而不是现在的某个 - 其他 - 以后 - 和 - 因为机器人手臂的三维轨迹将变得难以预测，并且经常在汽车装配上发生相互碰撞，所以它只能以一种方式进入...... [CONCURRENT]方式线......）。

解决方案：

使用防御工具，称为原子操作，或主要方法 - 设计（b）无锁算法，尽可能，或明确表示信号和坐标读取和写入（确保以超时和降低性能为代价），以保证如果保护步骤（确保所有＆＃34;旧的＆＃34; -writes安全地通过＆＃34;通过＆＃34;在任何＆＃34; next＆＃34; -reads继续抓住＆＃34;右＆＃34; -value）之前没有被编码（如如上所述。

尾声：

使用像OpenMP这样的工具来解决问题，它不会带来任何好处，这将导致花费时间和降低性能（因为需要处理所有与工具相关的开销，而并行性的净效果几乎为零）在这种情况下，算法不允许任何并行性的享受），所以最终会有一种方式比最终得到的更多。

了解OpenMP最佳实践的一个好点可能来自劳伦斯利弗莫尔国家实验室（确实非常称职）和类似的publications on using OpenMP.

Answer 3

在并行化代码之前，您必须确定其并发性，即同时发生逻辑的任务集，然后找出一种方法来实现它们< em>实际上并行发生。

如上所述，由于其性质上没有并发性，因此这不是一个应用并行性的好例子。由于所谓的竞争条件，试图使用这样的并行性将导致错误的结果。

如果您只是想了解OpenMP的工作原理，请尝试提供一些示例，您可以清楚地识别出独立于概念的任务。我能想到的最简单的一个就是通过积分来计算曲线下面积。

Answer 4

u[i+1] = (1+h)*u[i];                                                                                                                                              
v[i+1] = v[i]/(1-h);

相当于

u[i] = pow((1+h), i)*u[0];
v[i] = v[0]*pow(1.0/(1-h), i);

因此您可以像这样将代码并行化

#pragma omp parallel for
for (int i = 0; i < n; i++) {
    u[i] = pow((1+h), i)*u[0];
    v[i] = v[0]*pow(1.0/(1-h), i);
}

如果你想减轻pow函数的成本，你可以每个线程执行一次，而不是像他的那样（从t << n开始）每次迭代执行一次。

#pragma omp parallel
{
    int nt = omp_get_num_threads();
    int t  = omp_get_thread_num();
    int s  = (t+0)*n/nt;
    int f  = (t+1)*n/nt;
    u[s]   = pow((1+h), s)*u[0];
    v[s]   = v[0]*pow(1.0/(1-h), s);
    for(int i=s; i<f-1; i++) {
        u[i+1] = (1+h)*u[i];
        v[i+1] = v[i]/(1-h);
    }
}

您还可以编写自己的pow(double, int)函数，针对整数幂进行优化。

请注意，我使用的关系实际上并非100％等效，因为浮点运算不是关联的。这通常不是问题，但是应该注意的事情。

为什么OpenMP并行for循环不能正常工作？

4 个答案:

为什么？

解决方案：

尾声：