1

为了优化我正在制作的一些库的执行，我必须并行化一些计算。不幸的是，我不能为此使用 openmp，所以我正在尝试使用 boost::thread 做一些类似的替代方案。有人知道这样的实现吗？我在线程之间共享变量时遇到特殊问题（将变量定义为openmp的“共享”和“私有”）。有什么建议吗？

4

1 回答 1

4

据我所知，除了 OpenMP 之外，您必须明确地执行此操作。

例如，如果我们在 OpenMP 中有一个并行循环

int i;
size_t length = 10000;
int someArray[] = new int[length];

#pragma omp parallel private(i)
{

    #pragma omp for schedule(dynamic, 8)
    for (i = 0; i < length; ++i) {

        someArray[i] = i*i;

    }
}

您必须将逻辑分解为可以处理问题的子范围的“通用”循环，然后显式安排线程。然后每个线程将处理整个问题的一部分。通过这种方式，您可以显式声明“私有”变量——进入 subProblem 函数的变量。

void subProblem(int* someArray, size_t startIndex, size_t subLength) {
    size_t end = startIndex+subLength;

    for (size_t i = startIndex; i < end; ++i) {
        someArray[i] = i*i;         
    }
}

void algorithm() {

    size_t i;
    size_t length = 10000;
    int someArray[] = new int[length];
    int numThreads = 4; // how to subdivide
    int thread = 0;

    // a vector of all threads working on the problem
    std::vector<boost::thread> threadVector;

    for(thread = 0; thread < numThreads; ++thread) {
        // size of subproblem
        size_t subLength = length / numThreads;
        size_t startIndex = subLength*thread;

        // use move semantics to create a thread in the vector
        // requires c++11. If you can't use c++11,
        // perhaps look at boost::move?
        threadVector.emplace(boost::bind(subProblem, someArray, startIndex, subLength));            
    }
    // threads are now working on subproblems

    // now go through the thread vector and join with the threads.
    // left as an exercise :P

}

以上是许多调度算法之一——它只是将问题分成与线程一样多的块。

OpenMP 方式更复杂——它将问题分成许多小块（在我的示例中为 8 个），然后使用工作窃取调度将这些块提供给线程池中的线程。实现 OpenMP 方式的困难在于您需要等待工作的“持久”线程（线程池）。希望这是有道理的。

一种更简单的方法是在每次迭代中执行异步（为每次迭代安排一项工作）。如果每次迭代都非常昂贵并且需要很长时间，这可以工作。但是，如果它是具有多次迭代的小块工作，则大部分开销将用于调度和线程创建，从而使并行化变得无用。

总之，根据您的问题，有很多方法可以安排工作，您可以自行决定哪种方法最适合您的问题。

TL;DR： 如果您提供“子范围”功能，请尝试为您安排的 Intel Threading Building Blocks（或 Microsoft PPL）：

http://cache-www.intel.com/cd/00/00/30/11/301132_301132.pdf#page=14

于 2012-10-08T16:07:04.567 回答