我尝试使用OpenMP并行化嵌套循环,但是我不确定这是否是正确的方法。 这是代码中具有嵌套循环的部分。这只是一个通用代码。 我给noofrecords作为50k,即使并行化也要花费很多时间。有人可以提出更好的主意来并行化代码吗? 我只是在下面的代码中并行化外循环。
int ctd=0;
#pragma omp parallel for default(none), private(j,k,l), shared(A,B,C,D,ctd)
for(int j=0; j <noofrecords; j++)
{
for( int k=0; k<noofrecords; k++)
{
for( int l=0; l<noofrecords; l++)
{
if(condition)
{
D[ctd].a1=A[i].a1;
ctd++;
}}}}
答案 0 :(得分:1)
您可以使用折叠子句,在这种情况下,您有3个连续的for循环,因此它类似于: #pragma omp为默认值(无),私有(j,k,l),共享(A,B,C,D,ctd)并行收起(3)
如果for循环是连续的并且代码在最内层的循环中(在您发布的代码中就是这种情况),它将起作用。它的noofrecords比您的最大线程数大得多,加速不会令人印象深刻。如果即使并行运行也很慢,则可能意味着瓶颈不是您的处理能力(很可能是内存已经100%工作了)。
此外,我不确定您是否真的想要私有(j,k,l)...
答案 1 :(得分:0)
a1
的{{1}}的临时数组,其元素数量等于预期的D.a1
的最大值。ctd
的临时数组a2
。a1
并使用a2
计算a2的大小ctd2
开始依次填充数组a1
并将a2
添加到ctd2
类似这样的东西
ctd
int ctd=0;
double *a1 = malloc(sizeof *a1 * N); //Step 1
#pragma omp parallel
{
int ctd2 = 0;
double *a2 = malloc(sizeof *a2 * N); //step 2
#pragma omp for nowait
for(int j=0; j<noofrecords; j++)
for(int k=0; k<noofrecords; k++)
for(int l=0; l<noofrecords; l++)
if(condition) a2[ctd2++] = A[i].a1; //step 3
#pragma omp for schedule(static) ordered
for(int i=0; i<omp_get_num_threads(); i++)
#pragma omp ordered
memcpy(&a1[ctd], a2, sizeof *a1 * ctd2), ctd += ctd2; //step 4
#pragma omp for
for(int j=0; j<ctd; j++) D[j].a1 = a1[j]; // step 5
free(a2);
}
free(a1);
应该是您希望ctd拥有的最大大小。此方法的一个内存效率低下是,N
的大小也a2
被分配了,该大小可能太大。像C ++中的N
或glib中的std::vector
这样的动态向量将提高内存效率。