Question

我有一个C代码来计算两组节点之间的距离（每个节点三个坐标），即使我的代码已经足够快，我想用并行计算来增加它。我已经找到了一些关于openMP的信息，我现在正试图使用它，但是有点奇怪。没有omp，代码cpu时间是20s，添加两个pragma行需要160s！怎么会发生？

我将我的代码添加到此处

float computedist(float **vG1, float **vG2, int ncft, int ntri2, int jump, float *dist){
    int k = 0, i, j;
    float min = 0;
    float max = 0;
    float avg = 0;
    float *d = malloc(3*sizeof(float));
    float diff;

    #pragma omp parallel
    for(i=0;i<ncft;i+=jump){
        #pragma omp parallel
        for(j=0;j<ntri2;j++){
            d[0] = vG1[i][0] - vG2[j][0];
            d[1] = vG1[i][1] - vG2[j][1];
            d[2] = vG1[i][2] - vG2[j][2];
            diff = sqrt(pow(d[0],2) + pow(d[1],2) + pow(d[2],2));
            if(j==0)
                dist[k] = diff;
            else
                if(diff<dist[k])
                    dist[k] = diff;

        }
        avg += dist[k];
        if(dist[k]>max)
            max = dist[k];
        k++;
    }

    printf("max distance: %f\n",max);
    printf("average distance: %f\n",avg/(int)(ncft/jump));

    free(d);

    return max;
}

非常感谢您的帮助

Answer 1

（下面的答案是指问题中的初始代码，从那时起应用这些建议得到了改进）

您需要了解有关如何使用OpenMP的更多信息。该规范可在http://www.openmp.org获得;并且有教程和其他资源的链接。

我将在您的代码中指出一些问题，并提供如何解决这些问题的建议。

    float *d = malloc(3*sizeof(float));
    float diff;

d用作临时变量，因此应在private中标记为#pragma omp parallel for（见下文）以避免数据争用。同时，我只使用3个独立的浮点数而不是动态分配。 diff也包含临时值，因此也应为private。

    #pragma omp parallel
    for(i=0;i<ncft;i+=jump){
        #pragma omp parallel
        for(j=0;j<ntri2;j++){

您创建了一个并行区域，其中每个线程执行整个循环（因为该区域不包含任何工作共享构造），并且在其中您创建了一个带有新（！）线程集的嵌套区域，每个线程也执行整个内循环。它为您的程序增加了大量开销和不必要的计算。你需要的是#pragma omp parallel for，只适用于外循环。

            d[0] = vG1[i][0] - vG2[j][0];
            d[1] = vG1[i][1] - vG2[j][1];
            d[2] = vG1[i][2] - vG2[j][2];
            diff = sqrt(pow(d[0],2) + pow(d[1],2) + pow(d[2],2));

与并行性无关，但为什么只调用pow来计算平方？一个好的旧乘法可能更容易阅读和更快。

            if(j==0)
                dist[k] = diff;
            else
                if(diff<dist[k])
                    dist[k] = diff;

由于操作相同（dist[k]=diff;），因此可以通过将两个条件与||（逻辑或）相结合来简化代码。

        }
        avg += dist[k];
        if(dist[k]>max)
            max = dist[k];

在这里，您可以计算外部循环中的聚合值。在OpenMP中，这是使用reduction的{{1}}子句完成的。

#pragma omp for

目前，您在每次迭代时增加k++; }，从而在迭代之间创建不必要的依赖关系，从而导致并行代码中的数据竞争。根据您的代码，k只是k的一个方便的“别名” - 所以只需在迭代开始时将其分配，并生成i/jump。

Answer 2

在外循环和内循环上添加#pragma omp parallel时，会使用大量同步。

使用#pragma omp parallel时，循环后有barrier，因此所有线程都会等到最后一个线程完成。
在你的情况下，你必须等待内部循环和外部循环中的所有线程，因此使用syncrhonization会产生大量开销。

通常最好只在外循环上使用#pragma omp parallel [假设有足够的工作要做...]以尽量减少障碍的数量。

Answer 3

在您的代码中，您将写入所有线程dist共有的数组。可能你在那里有错误的共享问题。尝试使用填充分配该数组。

用于距离计算的并行C代码

3 个答案: