我有以下问题:我试图用openMP并行化c++中非常简单的PDE求解器,但是如果增加线程数,性能不会提高。该方程是具有对流的简单一维热方程。由于在每个时间点都需要解决方案,因此我决定使用2D阵列
double solution[iterationsTime][numPoints];
其中每一行都包含特定时间步的离散函数。更新是通过for循环完成的
#pragma omp parallel default(shared) private(t, i, iBefore, iAfter)
{
for(t=0; t<iterationsTime; t++)
#pragma omp for schedule(auto)
for(i=0; i<numPoints; i++) {
iBefore = (i==0)?numPoints-2:i-1;
iAfter = (i==numPoints-1)?1:i;
solution[t+1][i] = solution[t][iAfter] - solution[t][iBefore];
}
使用值iBefore和iAfter的原因是,我必须将数组视为环形缓冲区,因此PDE具有周期性边界条件,并且将域视为环形。无论如何,每次对solution [t + 1]的更新都需要对solution [t]进行一些计算,如上面代码所示。
我了解可伸缩性较差的原因很可能是错误共享,因此我已将2D矩阵转换为3D矩阵
double solution[iterationsTime][numPoints][PAD];
这使我可以确保在共享缓存行上不执行任何写操作,因为我可以更改PAD的大小。由于现在每个值都将存储在该代码中,因此代码有所更改
solution[t][i][0];
接下来的一个
solution[t][i+1][0];
注意,所需的内存是使用并行区域外部的new运算符在堆上分配的。该代码可以很好地工作,但不能扩展。我尝试过不同的时间表,例如静态,动态,自动等。
g++ code.cpp -fopenmp -march=native -O3 -o out
我试图删除或添加-march和-O3标志,但是看不到任何改进。我尝试了不同大小的PAD和环境变量(如OMP_PROC_BIND),但没有任何改善。我不知道是什么原因导致性能下降。
这是代码
const int NX = 500; //DOMAIN DISCRETIZATION
const int PAD = 8; //PADDING TO AVOID FALSE SHARING
const double DX = 1.0/(NX-1.0); //STEP IN SPACE
const double DT = 0.01*DX; //STEP IN TIME
const int NT = 1000; //MAX TIME ITERATIONS
const double C = 10.0; //CONVECTION VELOCITY
const double K = 0.01; //DIFFUSION COEFFICIENT
int main(int argc, char **argv) {
omp_set_num_threads(std::atoi(argv[1])); //SET THE REQUIRED NUMBER OF THREADS
//INTIALING MEMORY --> USING STD::VECTOR INSTEAD OF DOUBLE***
std::vector<std::vector<std::vector<double>>> solution(NT, std::vector<std::vector<double>>(NX, std::vector<double>(PAD,0)));
for (int i=0; i<NX; i++){
solution[0][i][0] = std::sin(i*DX*2*M_PI); //INITIAL CONDITION
}
int numThreads, i, t, iBefore, iAfter;
double energy[NT]{0.0}; //ENERGY of the solution --> e(t)= integral from 0 to 1 of ||u(x,t)||^2 dx
//SOLVE THE PDE ON A RING
double start = omp_get_wtime();
#pragma omp parallel default(none) shared(solution, energy, numThreads, std::cout) private(i, t, iBefore, iAfter)
{
#pragma omp master
numThreads = omp_get_num_threads();
for(t=0; t<NT-1; t++){
#pragma omp for schedule(static, 8) nowait
for(i=0; i<NX; i++){
iBefore = (i==0)?NX-2:i-1;
iAfter = (i==NX-1)?1:i+1;
solution[t+1][i][0]=solution[t][i][0]
+ DT*( -C*((solution[t][iAfter][0]-solution[t][iBefore][0])/(2*DX))
+ K*(solution[t][iAfter][0]-2*solution[t][i][0]+ solution[t][iBefore][0])/(DX*DX) );
}
// COMPUTE THE ENERGY OF PREVOIUS TIME ITERATION
#pragma omp for schedule(auto) reduction(+:energy[t])
for(i=0; i<NX; i++) {
energy[t] += DX*solution[t][i][0]*solution[t][i][0];
}
}
}
std::cout << "numThreads: " <<numThreads << ". Elapsed Time: "<<(omp_get_wtime()-start)*1000 << std::endl;
return 0;
}
和表演
numThreads: 1. Elapsed Time: 9.65456
numThreads: 2. Elapsed Time: 9.1855
numThreads: 3. Elapsed Time: 9.85965
numThreads: 4. Elapsed Time: 8.9077
numThreads: 5. Elapsed Time: 15.5986
numThreads: 6. Elapsed Time: 15.5627
numThreads: 7. Elapsed Time: 16.204
numThreads: 8. Elapsed Time: 17.5612
最佳答案
分析
首先,您正在处理的粒度太小,以致于多线程无法高效运行。
确实,您的顺序时间是9.6毫秒,并且有999个时间步长。
结果,每个时间步长大约为9.6 us,这相当小。
此外,内存访问效率不高:
std::vector<std::vector<std::vector<double>>>
在内部生成一个数组,该数组包含指向数组的指针,该指针包含指向 double 数组的指针(均动态分配)。数组可能在内存中不连续,也可能对齐不良。由于处理器从内存中预取数据更加困难,因此这可能会大大降低执行速度。考虑分配一个大数组而不是许多小数组(例如,一个大的扁平std::vector)。 最后,使用大小为8的块的计划似乎太小了。在此处,对于parallel-for和reduce,仅指定
schedule(static)
应该可能更好(如果您使用的是nowait,并且希望得到正确的结果,则两者的时间表应相同且为静态)。因此,您可能正在测量延迟和内存开销。
改良版
这是具有最重要修复程序的更正代码(错误共享效果将被忽略):
#include <iostream>
#include <vector>
#include <cmath>
#include <omp.h>
const int NX = 500; //DOMAIN DISCRETIZATION
const int PAD = 8; //PADDING TO AVOID FALSE SHARING
const double DX = 1.0/(NX-1.0); //STEP IN SPACE
const double DT = 0.01*DX; //STEP IN TIME
const int NT = 1000; //MAX TIME ITERATIONS
const double C = 10.0; //CONVECTION VELOCITY
const double K = 0.01; //DIFFUSION COEFFICIENT
int main(int argc, char **argv) {
omp_set_num_threads(std::atoi(argv[1])); //SET THE REQUIRED NUMBER OF THREADS
//INTIALING MEMORY --> USING A FLATTEN DOUBLE ARRAY
std::vector<double> solution(NT * NX);
for (int i=0; i<NX; i++){
solution[0*NX+i] = std::sin(i*DX*2*M_PI); //INITIAL CONDITION
}
int numThreads, i, t, iBefore, iAfter;
double energy[NT]{0.0}; //ENERGY of the solution --> e(t)= integral from 0 to 1 of ||u(x,t)||^2 dx
//SOLVE THE PDE ON A RING
double start = omp_get_wtime();
#pragma omp parallel default(none) shared(solution, energy, numThreads, std::cout) private(i, t, iBefore, iAfter)
{
#pragma omp master
numThreads = omp_get_num_threads();
for(t=0; t<NT-1; t++){
#pragma omp for schedule(static) nowait
for(i=0; i<NX; i++){
iBefore = (i==0)?NX-2:i-1;
iAfter = (i==NX-1)?1:i+1;
solution[(t+1)*NX+i]=solution[t*NX+i]
+ DT*( -C*((solution[t*NX+iAfter]-solution[t*NX+iBefore])/(2*DX))
+ K*(solution[t*NX+iAfter]-2*solution[t*NX+i]+ solution[t*NX+iBefore])/(DX*DX) );
}
// COMPUTE THE ENERGY OF PREVOIUS TIME ITERATION
#pragma omp for schedule(static) reduction(+:energy[t])
for(i=0; i<NX; i++) {
energy[t] += DX*solution[t*NX+i]*solution[t*NX+i];
}
}
}
std::cout << "numThreads: " <<numThreads << ". Elapsed Time: "<<(omp_get_wtime()-start)*1000 << std::endl;
return 0;
}
结果
在我的6核机器上(Intel i5-9600KF)。我得到以下结果。
之前:
1 thread : 3.35 ms
2 threads: 2.90 ms
3 threads: 2.89 ms
4 threads: 2.83 ms
5 threads: 3.07 ms
6 threads: 2.90 ms
后:
1 thread : 1.62 ms
2 threads: 1.03 ms
3 threads: 0.87 ms
4 threads: 0.95 ms
5 threads: 1.00 ms
6 threads: 1.16 ms
使用新版本,顺序时间要快得多,并且可以成功扩展到3个内核。然后,同步开销变得很重要,并降低了整体执行速度(请注意,每个时间步持续的时间少于1 us,在此非常小)。
关于c++ - OpenMP阵列性能不佳,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/60413724/