实验平台:win7, VS2010
1. 介绍
并行计算机可以简单分为共享内存和分布式内存,共享内存就是多个核心共享一个内存,目前的PC就是这类(不管是只有一个多核CPU还是可以插多个CPU,它们都有多个核心和一个内存),一般的大型计算机结合分布式内存和共享内存结构,即每个计算节点内是共享内存,节点间是分布式内存。想要在这些并行计算机上获得较好的性能,进行并行编程是必要条件。目前流行的并行程序设计方法是,分布式内存结构上使用MPI,共享内存结构上使用Pthreads或OpenMP。我们这里关注的是共享内存并行计算机,因为编辑这篇文章的机器就属于此类型(普通的台式机)。和Pthreads相比OpenMP更简单,对于关注算法、只要求对线程之间关系进行最基本控制(同步,互斥等)的我们来说,OpenMP再适合不过了。
本文对windows上Visual Studio开发环境下的OpenMP并行编程进行简单的探讨。本文参考了wikipedia关于OpenMP条目、OpenMP.org(有OpenMP Specification)、MSDM上关于OpenMP条目以及教材《MPI与OpenMP并行程序设计(C语言版)》:
- http://zh.wikipedia.org/wiki/OpenMP
- http://openmp.org/
- http://msdn.microsoft.com/en-us/library/tt15eb9t(v=vs.100).aspx
- 《MPI与OpenMP并行程序设计(C语言版)》第17章,Michael J. Quinn著,陈文光等译,清华大学出版社,2004
注意,OpenMP目前最新版本为4.0.0,而VS2010仅支持OpenMP2.0(2002年版本),所以本文所讲的也是OpenMP2.0,本文注重使用OpenMP获得接近核心数的加速比,所以OpenMP2.0也足够了。
2. 第一个OpenMP程序
step 1: 新建控制台程序
step 2: 项目属性,所有配置下“配置属性>>C/C++>>语言>>OpenMP支持”修改为是(/openmp),如下图:
step 3: 添加如下代码:
#include<omp.h>
#include<iostream>
int main()
{
std::cout << "parallel begin:\n";
#pragma omp parallel
{
std::cout << omp_get_thread_num();
}
std::cout << "\n parallel end.\n";
std::cin.get();
return ;
}
step 4: 运行结果如下图:
可以看到,我的计算机是8核的(严格说是8线程的),这是我们实验室的小型工作站(至多支持24核)。
3. “第一个OpenMP程序”幕后,并行原理
OpenMP由Compiler Directives(编译指导语句)、Run-time Library Functions(库函数)组成,另外还有一些和OpenMP有关的Environment Variables(环境变量)、Data Types(数据类型)以及_OPENMP宏定义。之所以说OpenMP非常简单,是因为,所有这些总共只有50个左右,OpenMP2.0 Specification仅有100余页。第2节的“第一个OpenMP程序”的第6行“#pragma omp parallel”即Compiler Directive,“#pragma omp parallel”下面的语句将被多个线程并行执行(也即被执行不止一遍),第8行的omp_get_thread_num()即Run-time Library Function,omp_get_thread_num()返回当前执行代码所在线程编号。
共享内存计算机上并行程序的基本思路就是使用多线程,从而将可并行负载分配到多个物理计算核心,从而缩短执行时间(同时提高CPU利用率)。在共享内存的并行程序中,标准的并行模式为fork/join式并行,这个基本模型如下图示:
其中,主线程执行算法的顺序部分,当遇到需要进行并行计算式,主线程派生出(创建或者唤醒)一些附加线程。在并行区域内,主线程和这些派生线程协同工作,在并行代码结束时,派生的线程退出或者挂起,同时控制流回到单独的主线程中,称为汇合。对应第2节的“第一个OpenMP程序”,第4行对应程序开始,4-5行对应串行部分,6-9行对应第一个并行块(8个线程),10-13行对应串行部分,13行对应程序结束。
简单来说,OpenMP程序就是在一般程序代码中加入Compiler Directives,这些Compiler Directives指示编译器其后的代码应该如何处理(是多线程执行还是同步什么的)。所以说OpenMP需要编译器的支持。上一小节的step 2即打开编译器的OpenMP支持。和Pthreads不同,OpenMP下程序员只需要设计高层并行结构,创建及调度线程均由编译器自动生成代码完成。
4. Compiler Directives
4.1 一般格式
Compiler Directive的基本格式如下:
#pragma omp directive-name [clause[ [,] clause]...]
其中“[]”表示可选,每个Compiler Directive作用于其后的语句(C++中“{}”括起来部分是一个复合语句)。
directive-name可以为:parallel, for, sections, single, atomic, barrier, critical, flush, master, ordered, threadprivate(共11个,只有前4个有可选的clause)。
clause(子句)相当于是Directive的修饰,定义一些Directive的参数什么的。clause可以为:copyin(variable-list), copyprivate(variable-list), default(shared | none), firstprivate(variable-list), if(expression), lastprivate(variable-list), nowait, num_threads(num), ordered, private(variable-list), reduction(operation: variable-list), schedule(type[,size]), shared(variable-list)(共13个)。
例如“#pragma omp parallel”表示其后语句将被多个线程并行执行,线程个数由系统预设(一般等于逻辑处理器个数,例如i5 4核8线程CPU有8个逻辑处理器),可以在该directive中加入可选的clauses,如“#pragma omp parallel num_threads(4)”仍旧表示其后语句将被多个线程并行执行,但是线程个数为4。
4.2 详细解释
本节的叙述顺序同我的另一篇博文:OpenMP编程总结表,读者可以对照阅读,也可以快速预览OpenMP所有语法。
如果没有特殊说明,程序均在Debug下编译运行。
parallel
parallel表示其后语句将被多个线程并行执行,这已经知道了。“#pragma omp parallel”后面的语句(或者,语句块)被称为parallel region。
可以用if clause条件地进行并行化,用num_threads clause覆盖默认线程数:
int a = ;
#pragma omp parallel if(a) num_threads(6)
{
std::cout << omp_get_thread_num();
}
int a = ;
#pragma omp parallel if(a) num_threads(6)
{
std::cout << omp_get_thread_num();
}
可以看到多个线程的执行顺序是不能保证的。
private, firstprivate, shared, default, reduction, copyin clauses留到threadprivate directive时说。
for
第2节的“第一个OpenMP程序”其实不符合我们对并行程序的预期——我们一般并不是要对相同代码在多个线程并行执行,而是,对一个计算量庞大的任务,对其进行划分,让多个线程分别执行计算任务的每一部分,从而达到缩短计算时间的目的。这里的关键是,每个线程执行的计算互不相同(操作的数据不同或者计算任务本身不同),多个线程协作完成所有计算。OpenMP for指示将C++ for循环的多次迭代划分给多个线程(划分指,每个线程执行的迭代互不重复,所有线程的迭代并起来正好是C++ for循环的所有迭代),这里C++ for循环需要一些限制从而能在执行C++ for之前确定循环次数,例如C++ for中不应含有break等。OpenMP for作用于其后的第一层C++ for循环。下面是一个例子:
const int size = ;
int data[size];
#pragma omp parallel
{
#pragma omp for
for(int i=; i<size; ++i)
data[i] = ;
}
默认情况下,上面的代码中,程序执行到“#pragma omp parallel”处会派生出7和线程,加上主线程共8个线程(在我的机器上),C++ for的1000次迭代会被分成连续的8段——0-124次迭代由0号线程计算,125-249次迭代由1号线程计算,以此类推。可能你已经猜到了,具体C++ for的各次迭代在线程间如何分配可以由clause指示,它就是schedule(type[,size]),后面会具体说。
如果parallel region中只包含一个for directive作用的语句,上面代码就是这种情况,此时可以将parallel和for“缩写”为parallel for,上面代码等价于这样:
const int size = ;
int data[size];
#pragma omp parallel for
for(int i=; i<size; ++i)
data[i] = ;
正确使用for directive有两个条件,第1是C++ for符合特定限制,否则编译器将报告错误,第2是C++ for的各次迭代的执行顺序不影响结果正确性,这是一个逻辑条件。例子如下:
#pragma omp parallel num_threads(6)
{
#pragma omp for
for(int i=; i<; ++i)
if(i>)
break;
}
编译器报错如下:
error C3010: “break”: 不允许跳出 OpenMP 结构化块
schedule(type[,size])设置C++ for的多次迭代如何在多个线程间划分:
- schedule(static, size)将所有迭代按每连续size个为一组,然后将这些组轮转分给各个线程。例如有4个线程,100次迭代,schedule(static, 5)将迭代:0-4, 5-9, 10-14, 15-19, 20-24...依次分给0, 1, 2, 3, 0...号线程。schedule(static)同schedule(static, size_av),其中size_av等于迭代次数除以线程数,即将迭代分成连续的和线程数相同的等分(或近似等分)。
- schedule(dynamic, size)同样分组,然后依次将每组分给目前空闲的线程(故叫动态)。
- schedule(guided, size) 把迭代分组,分配给目前空闲的线程,最初组大小为迭代数除以线程数,然后逐渐按指数方式(依次除以2)下降到size。
- schedule(runtime)的划分方式由环境变量OMP_SCHEDULE定义。
下面是几个例子,可以先忽略critical directive:
#pragma omp parallel num_threads(3)
{
#pragma omp for
for(int i=; i<; ++i){
#pragma omp critical
std::cout << omp_get_thread_num() << i << " ";
}
}
上面输出说明0号线程执行0-2迭代,1号执行3-5,2号执行6-9,相当于schedule(static, 3)。
#pragma omp parallel num_threads(3)
{
#pragma omp for schedule(static, 1)
for(int i=; i<; ++i){
#pragma omp critical
std::cout << omp_get_thread_num() << i << " ";
}
}
#pragma omp parallel num_threads(3)
{
#pragma omp for schedule(dynamic, 2)
for(int i=; i<; ++i){
#pragma omp critical
std::cout << omp_get_thread_num() << i << " ";
}
}
ordered clause配合ordered directive使用,请见ordered directive,nowait留到barrier directive时说,private, firstprivate, lastprivate, reduction留到threadprivate directive时说。
sections
如果说for directive用作数据并行,那么sections directive用于任务并行,它指示后面的代码块包含将被多个线程并行执行的section块。下面是一个例子:
#pragma omp parallel
{
#pragma omp sections
{
#pragma omp section
std::cout << omp_get_thread_num();
#pragma omp section
std::cout << omp_get_thread_num();
}
}
上面代码中2个section块将被2个线程并行执行,多个个section块的第1个“#pragma omp section”可以省略。这里有些问题,执行这段代码是总共会有多少个线程呢,“#pragma omp parallel”没有clause,默认是8个线程(又说的在我的机器上),2个section是被哪2个线程执行是不确定的,当section块多于8个时,会有一个线程执行不止1个section块。
同样,上面代码可以“缩写”为parallel sections:
#pragma omp parallel sections
{
#pragma omp section
std::cout << omp_get_thread_num();
#pragma omp section
std::cout << omp_get_thread_num();
}
nowait clause留到barrier directive时说,private, firstprivate, lastprivate, reduction clauses留到threadprivate directive时说。
single
指示代码将仅被一个线程执行,具体是哪个线程不确定,例子如下:
#pragma omp parallel num_threads(4)
{
#pragma omp single
std::cout << omp_get_thread_num();
std::cout << "-";
}
这里0号线程执行了第4 5两行代码,其余三个线程执行了第5行代码。
nowait clause留到barrier directive时说,private, firstprivate, copyprivate clauses留到threadprivate directive时说。
master
指示代码将仅被主线程执行,功能类似于single directive,但single directive时具体是哪个线程不确定(有可能是当时闲的那个)。
critical
定义一个临界区,保证同一时刻只有一个线程访问临界区。观察如下代码及其结果:
#pragma omp parallel num_threads(6)
{
std::cout << omp_get_thread_num() << omp_get_thread_num();
}
5号线程执行第3行代码时被2号线程打断了(并不是每次运行都可能出现打断)。
#pragma omp parallel num_threads(6)
{
#pragma omp critical
std::cout << omp_get_thread_num() << omp_get_thread_num();
}
这次不管运行多少遍都不会出现某个数字不是连续两个出现,因为在第4行代码被一个线程执行期间,其他线程不能执行(该行代码是临界区)。
barrier
定义一个同步,所有线程都执行到该行后,所有线程才继续执行后面的代码,请看例子:
#pragma omp parallel num_threads(6)
{
#pragma omp critical
std::cout << omp_get_thread_num() << " ";
#pragma omp critical
std::cout << omp_get_thread_num()+ << " ";
}
#pragma omp parallel num_threads(6)
{
#pragma omp critical
std::cout << omp_get_thread_num() << " ";
#pragma omp barrier
#pragma omp critical
std::cout << omp_get_thread_num()+ << " ";
}
可以看到,这时一位数数字打印完了才开始打印两位数数字,因为,所有线程执行到第5行代码时,都要等待所有线程都执行到第5行,这时所有线程再都继续执行第7行及以后的代码,即所谓同步。
再来说说for, sections, single directives的隐含barrier,以及nowait clause如下示例:
#pragma omp parallel num_threads(6)
{
#pragma omp for
for(int i=; i<; ++i){
#pragma omp critical
std::cout << omp_get_thread_num() << " ";
}
// There is an implicit barrier here.
#pragma omp critical
std::cout << omp_get_thread_num()+ << " ";
}
#pragma omp parallel num_threads(6)
{
#pragma omp for nowait
for(int i=; i<; ++i){
#pragma omp critical
std::cout << omp_get_thread_num() << " ";
}
// The implicit barrier here is disabled by nowait.
#pragma omp critical
std::cout << omp_get_thread_num()+ << " ";
}
sections, single directives是类似的。
atomic
atomic directive保证变量被原子的更新,即同一时刻只有一个线程再更新该变量(是不是很像critical directive),见例子:
int m=;
#pragma omp parallel num_threads(6)
{
for(int i=; i<; ++i)
++m;
}
std::cout << "value should be: " << * << std::endl;
std::cout << "value is: "<< m << std::endl;
m实际值比预期要小,因为“++m”的汇编代码不止一条指令,假设三条:load, inc, mov(读RAM到寄存器、加1,写回RAM),有可能线程A执行到inc时,线程B执行了load(线程A inc后的值还没写回),接着线程A mov,线程B inc后再mov,原本应该加2就变成了加1。
使用atomic directive后可以得到正确结果:
int m=;
#pragma omp parallel num_threads(6)
{
for(int i=; i<; ++i)
#pragma omp atomic
++m;
}
std::cout << "value should be: " << * << std::endl;
std::cout << "value is: "<< m << std::endl;
那用critical directive行不行呢:
int m=;
#pragma omp parallel num_threads(6)
{
for(int i=; i<; ++i)
#pragma omp critical
++m;
}
std::cout << "value should be: " << * << std::endl;
std::cout << "value is: "<< m << std::endl;
差别为何呢,显然是效率啦,我们做个定量分析:
#pragma omp parallel num_threads(6)
{
for(int i=; i<; ++i) ;
}
int m;
double t, t2;
m = ;
t = omp_get_wtime();
#pragma omp parallel num_threads(6)
{
for(int i=; i<; ++i)
++m;
}
t2 = omp_get_wtime();
std::cout << "value should be: " << * << std::endl;
std::cout << "value is: "<< m << std::endl;
std::cout << "time(S): " << t2-t << std::endl;
m = ;
t = omp_get_wtime();
#pragma omp parallel num_threads(6)
{
for(int i=; i<; ++i)
#pragma omp critical
++m;
}
t2 = omp_get_wtime();
std::cout << "value should be: " << * << std::endl;
std::cout << "value is: "<< m << std::endl;
std::cout << "time of critical(S): " << t2-t << std::endl;
m = ;
t = omp_get_wtime();
#pragma omp parallel num_threads(6)
{
for(int i=; i<; ++i)
#pragma omp atomic
++m;
}
t2 = omp_get_wtime();
std::cout << "value should be: " << * << std::endl;
std::cout << "value is: "<< m << std::endl;
std::cout << "time of atomic(S): " << t2-t << std::endl;
按照惯例,需要列出机器配置:Intel Xeon Processor E5-2637 v2 (4核8线程 15M Cache, 3.50 GHz),16GB RAM。上面代码需要在Release下编译运行以获得更为真实的运行时间(实际部署的程序不可能是Debug版本的),第一个parallel directive的用意是跳过潜在的创建线程的步骤,让下面三个parallel directives有相同的环境,以增加可比性。从结果可以看出,没有atomic clause或critical clause时运行时间短了很多,可见正确性是用性能置换而来的。不出所料,“大材小用”的critical clause运行时间比atomic clause要长很多。
flush
指示所有线程对所有共享对象具有相同的内存视图(view of memory),该directive指示将对变量的更新直接写回内存(有时候给变量赋值可能只改变了寄存器,后来才才写回内存,这是编译器优化的结果)。这不好理解,看例子,为了让编译器尽情的优化代码,需要在Release下编译运行如下代码:
int data, flag=;
#pragma omp parallel sections num_threads(2) shared(data, flag)
{
#pragma omp section // thread 0
{
#pragma omp critical
std::cout << "thread:" << omp_get_thread_num() << std::endl;
for(int i=; i<; ++i)
++data;
flag = ;
}
#pragma omp section // thread 1
{
while(!flag) ;
#pragma omp critical
std::cout << "thread:" << omp_get_thread_num() << std::endl;
-- data;
std::cout << data << std::endl;
}
}
程序进入了死循环…… 我们的初衷是,用flag来做手动同步,线程0修改data的值,修改好了置flag,线程1反复测试flag检查线程0有没有修改完data,线程1接着再修改data并打印结果。这里进入死循环的可能原因是,线程1反复测试的flag只是读到寄存器中的值,因为线程1认为,只有自己在访问flag(甚至以为只有自己这1个线程),在自己没有修改内存之前不需要重新去读flag的值到寄存器。用flush directive修改后:
int data=, flag=;
#pragma omp parallel sections num_threads(2) shared(data, flag)
{
#pragma omp section // thread 0
{
#pragma omp critical
std::cout << "thread:" << omp_get_thread_num() << std::endl;
for(int i=; i<; ++i)
++data;
#pragma omp flush(data)
flag = ;
#pragma omp flush(flag)
}
#pragma omp section // thread 1
{
while(!flag){
#pragma omp flush(flag)
}
#pragma omp critical
std::cout << "thread:" << omp_get_thread_num() << std::endl;
#pragma omp flush(data)
-- data;
std::cout << data << std::endl;
}
}
这回结果对了,解释一下,第10行代码告诉编译器,确保data的新值已经写回内存,第17行代码说,重新从内存读flag的值。
ordered
使用在有ordered clause的for directive(或parallel for)中,确保代码将被按迭代次序执行(像串行程序一样),例子:
#pragma omp parallel num_threads(8)
{
#pragma omp for ordered
for(int i=; i<; ++i){
#pragma omp critical
std::cout << i << " ";
#pragma omp ordered
{
#pragma omp critical
std::cout << "-" << i << " ";
}
}
}
只看前面有"-"的数字,是不是按顺序的,而没有"-"的数字则没有顺序。值得强调的是for directive的ordered clause只是配合ordered directive使用,而不是让迭代有序执行的意思,后者的代码是这样的:
#pragma omp for ordered
for(int i=; i<; ++i)
#pragma omp ordered{
; // all the C++ for code
}
threadprivate
将全局或静态变量声明为线程私有的。为理解线程共享和私有变量,看如下代码:
int a;
std::cout << omp_get_thread_num() << ": " << &a << std::endl;
#pragma omp parallel num_threads(8)
{
int b;
#pragma omp critical
std::cout << omp_get_thread_num() << ": " << &a << " " << &b << std::endl;
}
记住第3-7行代码要被8个线程执行8遍,变量a是线程之间共享的,变量b是每个线程都有一个(在线程自己的栈空间)。
怎么区分哪些变量是共享的,哪些是私有的呢。在parallel region内定义的变量(非堆分配)当然是私有的。没有特别用clause指定的(上面代码就是这样),在parallel region前(parallel region后的不可见,这点和纯C++相同)定义的变量是共享的,在堆(用new或malloc函数分配的)上分配的变量是共享的(即使是在多个线程中使用new或malloc,当然指向这块堆内存的指针可能是私有的),for directive作用的C++ for的循环变量不管在哪里定义都是私有的。
好了,回到threadprivate directive,看例子:
#include<omp.h>
#include<iostream>
int a;
#pragma omp threadprivate(a)
int main()
{
std::cout << omp_get_thread_num() << ": " << &a << std::endl;
#pragma omp parallel num_threads(8)
{
int b;
#pragma omp critical
std::cout << omp_get_thread_num() << ": " << &a << " " << &b << std::endl;
}
std::cin.get();
return ;
}
下面是最后几个没有讲的clauses:private, firstprivate, lastprivate, shared, default, reduction, copyin, copyprivate clauses,先看private clause:
int a = ;
std::cout << omp_get_thread_num() << ": " << &a << std::endl;
#pragma omp parallel num_threads(8) private(a)
{
#pragma omp critical
std::cout << omp_get_thread_num() << ": *" << &a << " " << a << std::endl;
}
private clause将变量a由默认线程共享变为线程私有的,每个线程会调用默认构造函数生成一个变量a的副本(当然这里int没有构造函数)。
firstprivate clause和private clause的区别是,会用共享版本变量a来初始化。lastprivate clause在private基础上,将执行最后一次迭代(for)或最后一个section块(sections)的线程的私有副本拷贝到共享变量。shared clause和private clause相对,将变量声明为共享的。如下例子,其中的shared clause可以省略:
int a=, b=, c=, d=;
std::cout << "abcd's values: " << a << " " << b << " " << c << " " << d << std::endl;
#pragma omp parallel for num_threads(8) \
firstprivate(a) lastprivate(b) firstprivate(c) lastprivate(c) shared(d)
for(int i=; i<; ++i){
#pragma omp critical
std::cout << "thread " << omp_get_thread_num() << " acd's values: "
<< a << " " << c << " " << d << std::endl;
a = b = c = d = omp_get_thread_num();
}
std::cout << "abcd's values: " << a << " " << b << " " << c << " " << d << std::endl;
每个线程都对a,b,c,d的值进行了修改。因为d是共享的,所以每个线程打印d前可能被其他线程修改了。parallel region结束,a的共享版本不变,b,c由于被lastprivate clause声明了,所以执行最后一次迭代的那个线程用自己的私有b,c更新了共享版本的b,c,共享版本d的值取决于那个线程最后更新d。
default(shared|none):参数shared同于将所有变量用share clause定义,参数none指示对没有用private, shared, reduction, firstprivate, lastprivate clause定义的变量报错。
reduction clause用于归约,如下是一个并行求和的例子:
int sum=;
std::cout << omp_get_thread_num() << ":" << &sum << std::endl << std::endl;
#pragma omp parallel num_threads(8) reduction(+:sum)
{
#pragma omp critical
std::cout << omp_get_thread_num() << ":" << &sum << std::endl;
#pragma omp for
for(int i=; i<=; ++i){
sum += i;
}
}
std::cout << "sum's valuse: " << sum << std::endl;
可以看到变量sum在parallel region中是线程私有的,每个线程用自己的sum求一部分和,最后将所有线程的私有sum加起来赋值给共享版本的sum。除了“+”归约,/, |, &&等都可以作为归约操作的算法。
copyin clause让threadprivate声明的变量的值和主线程的值相同,如下例子:
#include<omp.h>
#include<iostream>
int a;
#pragma omp threadprivate(a)
int main()
{
a = ;
std::cout << omp_get_thread_num() << ": " << &a << std::endl << std::endl;
#pragma omp parallel num_threads(8) copyin(a)
{
#pragma omp critical
std::cout << omp_get_thread_num() << ": *" << &a << " " << a << std::endl;
}
std::cin.get();
return ;
}
如果第9行代码修改为去掉copyin clause,结果如下:
copyprivate clause让不同线程中的私有变量的值在所有线程*享,例子:
int a = ;
#pragma omp parallel num_threads(8) firstprivate(a)
{
#pragma omp single copyprivate(a)
a = omp_get_thread_num()+;
#pragma omp critical
std::cout << omp_get_thread_num() << ": *" << &a << " " << a << std::endl;
}
能写在copyprivate里的变量必须是线程私有的,变量a符合这个条件,从上面结果可以看出,single directive的代码是被第4号线程执行的,虽然第4号线程赋值的a只是这个线程私有的,但是该新值将被广播到其他线程的a,这就造成了上面的结果。
如果去掉copyprivate clause,结果变为:
这次single directive的代码是被第0号线程执行的。
呼,终于说完了,未尽事宜,见另一篇文章:OpenMP共享内存并行编程总结表。
6. 加速比
加速比即同一程序串行执行时间除以并行执行时间,即并行化之后比串行的性能提高倍数。理论上,加速比受这些因素影响:程序可并行部分占比、线程数、负载是否均衡(可以查查Amdahl定律),另外,由于实际执行时并行程序可能存在的总线冲突,使得内存访问称为瓶颈(还有Cache命中率的问题),实际加速比一般低于理论加速比。
为了看看加速比随线程数增加的变化情况,编写了如下代码,需要在Release下编译运行代码:
#include<iostream>
#include<omp.h>
int main(int arc, char* arg[])
{
const int size = , times = ;
long long int data[size], dataValue=;
for(int j=; j<=times; ++j)
dataValue += j; #pragma omp parallel num_threads(16)
for(int i=; i<; ++i) ; bool wrong; double t, tsigle;
for(int m=; m<=; ++m){
wrong = false;
t = omp_get_wtime();
for(int n=; n<; ++n){
#pragma omp parallel for num_threads(m)
for(int i=; i<size; ++i){
data[i] = ;
for(int j=; j<=times; ++j)
data[i] += j;
if(data[i] != dataValue)
wrong = true;
}
}
t = omp_get_wtime()-t;
if(m==) tsigle=t;
std::cout << "num_threads(" << m << ") rumtime: " << t << " s.\n";
std::cout << "wrong=" << wrong << "\tspeedup: " << tsigle/t << "\tefficiency: " << tsigle/t/m << "\n\n";
} std::cin.get();
return ;
}
可以看到,由于我们的程序是在操作系统层面上运行,而非直接在硬件上运行,上面的测试结果出现了看似不可思议的结果——效率竟然有时能大于1!最好的加速比出现在num_threads(8)时,为7.4左右,已经很接近物理核心数8了,充分利用多核原来如此简单。