0

我正在编写一些用于并行处理冲突的代码，预期的结果是每个线程都有一个加速，但是我没有在数据处理上得到任何加速，因为我里面有一个关键部分parallel_reduce()，我相信它的序列化太多了对对象的访问。这是代码的样子：

do {
    totalVel = 0.;
#pragma omp parallel for
    for (unsigned long i = 0; i < bodyContact.size(); i++) {
        totalVel += bodyContact.at(i).bodyA()->parallel_reduce();
        totalVel += bodyContact.at(i).bodyB()->parallel_reduce();
    }
} while (totalVel >= 0.00001);

有没有办法通过使其并行或访问的序列化太多来获得更快的速度？

观察：

  • 身体A（）和身体B（）是在 bodyContact 容器内重复很多次的对象。
  • 目前parallel_reduce()只做一次乘法（临界区），但会变得更复杂。
double parallel_reduce(){
    #pragma omp critical
        this->vel_ *= 0.99;
        return vel_.length();
    }

实际时间：

  • 序列号，25.635
  • 平行，123.559
4

2 回答 2

1

使用 OpenMP 结构总是有成本的，因此避免在循环中使用并行，遵循每次新线程时它可以启动的实现，而不是重新唤醒之前启动的线程。

事实上，如果 bodyContact.size() 很小并且 do {} 步数很大并且 parallel_reduce 非常快，那么仅使用几个 OpenMP pragma 就很难具有可伸缩性。

#pragma omp parallel shared(totalVel) shared(bodyContact)
{
   do {
       totalVel = 0.;
       #pragma omp for reduce(+:totalVel)
       for (unsigned long i = 0; i < bodyContact.size(); i++) {
          totalVel += bodyContact.at(i).bodyA()->parallel_reduce();
          totalVel += bodyContact.at(i).bodyB()->parallel_reduce();
       }
   } while (totalVel >= 0.00001);
}
于 2012-11-14T09:58:32.427 回答
0

以上可能不仅速度较慢，而且很可能是错误的；所有线程都在尝试更新相同的 totalVel。大量的竞争条件，还有争用、缓存失效等。

假设这些parallel_reduce()东西没问题，你会想要更多类似的东西

do {
    totalVel = 0.;
#pragma omp parallel for default(none) shared(bodyContact) reduction(+:totalVel)
    for (unsigned long i = 0; i < bodyContact.size(); i++) {
        totalVel += bodyContact.at(i).bodyA()->parallel_reduce();
        totalVel += bodyContact.at(i).bodyB()->parallel_reduce();
    }
} while (totalVel >= 0.00001);

这将正确地 减少。totalVel

于 2012-11-14T01:59:34.010 回答