我目前正在尝试提高我的代码的并行性能,但我对 OpenMP 还是个新手。我必须遍历一个大容器,在每次迭代中读取多个条目并将结果写入单个条目。下面是我正在尝试做的一个非常简单的代码示例。
data
是一个指向数组的指针,数组中存储了很多数据点。在并行区域之前,我创建了一个数组 newData
,因此可以将 data
用作只读,将 newData
用作只写,之后我抛出旧的 data
并使用 newData
进行进一步的计算。
据我了解,data
和 newData
在线程之间共享,并且在并行区域内声明的所有内容都是私有(private)的。
多线程读取数据
会导致性能问题吗?
我正在使用 #critical
为 newData
的元素分配新值以避免竞争条件。这是必要的吗,因为我只访问了 newData
的每个元素一次,而且从不通过多个线程访问?
我也不确定时间安排。我是否必须指定是要static
还是dynamic
时间表?我可以使用 nowait
因为所有线程都是相互独立的吗?
array *newData = new array;
omp_set_num_threads (threads);
#pragma omp parallel
{
#pragma omp for
for (int i = 0; i < range; i++)
{
double middle = (*data)[i];
double previous = (*data)[i-1];
double next = (*data)[i+1];
double new_value = (previous + middle + next) / 3.0;
#pragma omp critical(assignment)
(*newData)[i] = new_value;
}
}
delete data;
data = newData;
我知道在第一次和最后一次迭代中 previous
和 next
不能从 data
中读取,在真实代码中这是已处理,但对于这个最小的示例,您会想到从 data
中多次读取。
最佳答案
首先,摆脱所有不必要的依赖。 #pragma omp critical(assignment)
不是必需的,因为 (*newData)
的每个索引在每个循环中只写入一次,因此不存在竞争条件。
你的代码现在看起来像这样:
#pragma omp parallel for
for (int i = 0; i < range; i++)
(*newData)[i] = ((*data)[i-1] + (*data)[i] + (*data)[i+1]) / 3.0;
现在我们正在寻找瓶颈。我想出的潜在候选人名单是这样的:
- 慢 split
- 缓存抖动
- ILP(指令级并行)
- 内存带宽限制
- 隐藏的依赖
那么让我们进一步分析它们。
慢除法:
计算 double/double 需要一些 CPU 永远。要了解您的 CPU 的运行时间和吞吐量,您必须查看其规范。也许将 /3.0
替换为 *0.3333..
可能会有所帮助,但也许您的编译器已经这样做了。使用扩展指令集(如 SSE/AVX),您可以一次安排多个除法/乘法。
缓存抖动:
因为您的 CPU 必须一次加载/存储一个缓存行,所以可能会发生冲突。想象一下,如果线程 1 尝试写入 (*newdata)[1],而线程 2 尝试写入 (*newdata)[2],并且它们位于同一缓存行上。现在他们中的一个必须等待另一个。您可以使用 #pragma omp parallel for schedule(static, 64)
解决此问题。
ILP: 如果操作是独立的,CPU 可以将多个操作安排到管道中。为此,您必须展开循环。这可能看起来像这样:
assert(range % 4 == 0);
#pragma omp parallel for
for (int i = 0; i < range/4; i++) {
(*newData)[i*4+0] = ((*data)[i*4-1] + (*data)[i*4+0] + (*data)[i*4+1]) / 3.0;
(*newData)[i*4+1] = ((*data)[i*4+0] + (*data)[i*4+1] + (*data)[i*4+2]) / 3.0;
(*newData)[i*4+2] = ((*data)[i*4+1] + (*data)[i*4+2] + (*data)[i*4+3]) / 3.0;
(*newData)[i*4+3] = ((*data)[i*4+2] + (*data)[i*4+3] + (*data)[i*4+4]) / 3.0;
}
内存带宽限制: 对于您非常简单的循环,请考虑一下。您需要加载多少内存以及您的 CPU 将忙于处理它多长时间。您正在加载大约 1 个缓存行并计算一些取消引用、一些指针加法、两次加法和一次除法。您达到的限制取决于您的 CPU 规范。 现在考虑缓存局部性。您可以修改代码以更好地利用缓存吗?如果一个线程在一个循环迭代中获得 i=3,而在下一个循环迭代中获得 i=7,则您必须重新加载 3 个(*数据)。但是如果你从 i=3 到 i=4,你可能不需要加载任何东西,因为 (*data)[i+1] 在之前加载的缓存行中。您节省了一些 RAM 带宽。要利用它,展开循环。使用 float 而不是 double 也会增加这种机会。
隐藏的依赖项:
现在这部分我个人觉得非常棘手。有时您的编译器不确定它是否可以重用某些数据,因为它不知道它没有改变。使用 const
有助于编译器。但有时您需要 restrict
来为编译器提供正确的提示。但我不太了解这一点,无法解释。
所以这是我会尝试的:
const double ONETHIRD = 1.0 / 3.0;
assert(range % 4 == 0);
#pragma omp parallel for schedule(static, 1024)
for (int i = 0; i < range/4; i++) {
(*newData)[i*4+0] = ((*data)[i*4-1] + (*data)[i*4+0] + (*data)[i*4+1]) * ONETHIRD;
(*newData)[i*4+1] = ((*data)[i*4+0] + (*data)[i*4+1] + (*data)[i*4+2]) * ONETHIRD;
(*newData)[i*4+2] = ((*data)[i*4+1] + (*data)[i*4+2] + (*data)[i*4+3]) * ONETHIRD;
(*newData)[i*4+3] = ((*data)[i*4+2] + (*data)[i*4+3] + (*data)[i*4+4]) * ONETHIRD;
}
然后是基准测试。多做一些基准测试,多做一些基准测试。只有基准测试会告诉您哪些技巧有用。
PS:还有一件事需要考虑。如果您发现您的程序严重占用了内存带宽。您可以考虑更改算法。也许将两步合二为一。就像从
b[i] := (a[i-1] + a[i] + a[i+1])/3.0
到
d[i] := (n[i-1] + n[i] + n[i+1])/3.0 = (a[i-2] + 2.0 * a[i-1] + 3.0 * a[i] + 2.0 * a[i+1] + a[i+1])/3.0
。我想您会自己找出原因。
享受优化的乐趣 ;-)
关于c++ - 如何提高我的 OpenMP 代码的性能?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/39751294/