我正在尝试并行化基于粒子的模拟的代码,但遇到基于 OpenMP 的方法性能不佳的情况。我的意思是:
- 使用 Linux 工具显示 CPU 使用情况
top
,运行 CPU 的 OpenMP 线程平均使用率为 50%。 - 随着线程数量的增加,速度收敛到约 1.6 倍。收敛速度非常快,即我使用 2 个线程达到了 1.5 的加速。
以下伪代码说明了所实现的所有并行区域的基本模板。
请注意,在单个时间步长期间,正在执行如下所示方式的 5 个并行区域。基本上,作用在粒子上的力i < N
是相邻粒子的几个场属性的函数j < NN(i)
.
omp_set_num_threads(ncpu);
#pragma omp parallel shared( quite_a_large_amount_of_readonly_data, force )
{
int i,j,N,NN;
#pragma omp for
for( i=0; i<N; i++ ){ // Looping over all particles
for ( j=0; j<NN(i); j++ ){ // Nested loop over all neighbors of i
// No communtions between threads, atomic regions,
// barriers whatsoever.
force[i] += function(j);
}
}
}
我正在尝试找出所观察到的瓶颈的原因。我天真的最初猜测是为了解释:
如上所述,线程之间共享大量内存以进行只读访问。不同的线程很可能尝试同时读取同一内存位置。这会造成瓶颈吗?我应该让 OpenMP 分配私有(private)拷贝吗?
最佳答案
N
有多大,NN(i)
有多密集?
您说没有共享任何内容,但 force[i]
可能位于 force[i+1]
的同一缓存行内。这就是所谓的 false sharing并且可能非常有害。 OpenMP 应该将事物批处理在一起以弥补这一点,因此如果 N
足够大,我认为这不会是您的问题。
如果 NN(i)
不是非常占用 CPU 资源,那么您可能会遇到一个简单的内存瓶颈 - 在这种情况下,向其投入更多内核不会解决任何问题。
关于c++ - 用于粒子模拟的并行 OpenMP 代码性能不佳,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/14061330/