3

我一直在研究 OpenMP，并试图弄清楚为什么将数组保持为共享而不是私有时会出现性能下降。任何输入都会有所帮助。

共享阵列时，运行大约需要 65 毫秒，而如果将其设为私有，则在 Intel Xeon E5540 CPU 上大约需要 38 毫秒。以下代码是在 Ubuntu 上使用 GCC 4.4.3 编译的

我不认为这是由于错误共享，因为仅对数组元素执行读取操作。

#define PI 3.14159265
#define large 1000000

double e[large];

int main() {
    int i,j,k,m;
    timeval t1,t2;

    double elapsedtime;
    omp_set_num_threads(16);
    for(i=0;i<large;i++) {
        e[i]=rand();
    }

    gettimeofday(&t1, NULL);

    #pragma omp parallel for private(i) shared(e)   
//  #pragma omp parallel for private(i,e)


    for(i=0;i<large;i++) {
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
    }

    gettimeofday(&t2, NULL);
    elapsedtime = (t2.tv_sec*1000000 + t2.tv_usec) - (t1.tv_sec * 1000000 + t1.tv_usec);
    printf("%f ",elapsedtime/1000);
    return 0;
}
4

1 回答 1

2

我决定摆脱全局变量。那是您的代码，在几个地方进行了修改。

//timings.cpp
#include <sys/time.h>
#include <cstdlib>
#include <stdio.h>
#include <math.h>
#include <omp.h>
#include <unistd.h>

#define PI 3.14159265
#define large 100000

int main() {
    int i;
    timeval t1,t2;

    double elapsedtime;
    bool b=false;

    double e[large];
    double p[large];

    omp_set_num_threads(1);
    for(i=0;i<large;i++) {
        e[i]=9.0;
    }

   /* for(i=0;i<large;i++) {
       p[i]=9.0;
    }*/

     gettimeofday(&t1, NULL);
  #pragma omp parallel for firstprivate(b) private(i) shared(e)
  //#pragma omp parallel for firstprivate(b) private(e,i)
     for(i=0;i<large;i++) {
        if (!b)
        {
            printf("e[i]=%f, e address: %p, n=%d\n",e[i],&e,omp_get_thread_num());
            b=true;
        }
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
    }

    gettimeofday(&t2, NULL);
    elapsedtime = (t2.tv_sec*1000000 + t2.tv_usec) - (t1.tv_sec * 1000000 + t1.tv_usec);
    printf("%f ",elapsedtime/1000);
    return 0;
}

我们将通过脚本“1.sh”运行它来自动测量时间，

#/bin/bash
sed -i '/parallel/ s,#,//#,g' timings.cpp
sed -i '/parallel/ s,////#,#,g' timings.cpp
g++ -O0 -fopenmp timings.cpp -o timings
> time1.txt
for loopvar in {1..10}
do
if [ "$loopvar" -eq 1 ]
then
./timings >> time1.txt;
cat time1.txt;
echo;
else
./timings | tail -1 >> time1.txt;
fi
done
echo "---------"
echo "Total time:"
echo `tail -1 time1.txt | sed s/' '/'+'/g | sed s/$/0/ | bc -li | tail -1`/`tail -1 time1.txt| wc -w | sed s/$/.0/` | bc -li | tail -1

以下是测试结果（Intel@ Core 2 Duo E8300）：

1) #pragma omp parallel for firstprivate(b) private(i) shared(e) 

user@comp:~ ./1.sh
Total time:
152.96380000000000000000

我们有奇怪的延迟。例如输出：

e[i]=9.000000, e address: 0x7fffb67c6960, n=0
e[i]=9.000000, e address: 0x7fffb67c6960, n=7
e[i]=9.000000, e address: 0x7fffb67c6960, n=8
//etc..

注意地址 - 所有数组都相同（因此称为shared）

2) #pragma omp parallel for firstprivate(e,b) private(i)

user@comp:~ ./1.sh
Total time:
157.48220000000000000000

我们将数据 e (firstprivate) 复制到每个线程，例如输出：

e[i]=9.000000, e address: 0x7ff93c4238e0, n=1
e[i]=9.000000, e address: 0x7ff939c1e8e0, n=6
e[i]=9.000000, e address: 0x7ff93ac208e0, n=4

3) #pragma omp parallel for firstprivate(b) private(e,i)

Total time:
123.97110000000000000000

没有数据复制，只有分配（私有使用未初始化） 例如输出：

 e[i]=0.000000, e address: 0x7fca98bdb8e0, n=1
 e[i]=0.000000, e address: 0x7fffa2d10090, n=0
 e[i]=0.000000, e address: 0x7fca983da8e0, n=2

这里我们有不同的地址，但是所有的e值都包含内存垃圾（nills 可能是由于 mmap 内存页面预分配）。

要查看，由于复制数组，firstprivate(e) 速度较慢，让我们注释掉所有计算（带有“fmodf”的行）// #pragma omp parallel for firstprivate(b) private(i) shared(e)

Total time:
9.69700000000000000000

// #pragma omp parallel for firstprivate(e,b) private(i)

Total time:
12.83000000000000000000

// #pragma omp parallel for firstprivate(b) private(i,e)

Total time:
9.34880000000000000000

由于复制数组，Firstprivate(e) 很慢。由于计算线，Shared(e) 很慢。

使用 -O3 -ftree-vectorize 编译会略微减少共享时间：

// #pragma omp parallel for firstprivate(b) private(i) shared(e) 

user@comp:~ ./1.sh
Total time:
141.38330000000000000000

// #pragma omp parallel for firstprivate(b) private(e,i)

Total time:
121.80390000000000000000

使用 schedule(static, 256) 并没有成功。

让我们继续打开 -O0 选项。注释掉数组填充： // e[i]=9.0;

// #pragma omp parallel for firstprivate(b) private(i) shared(e) 

Total time:
121.40780000000000000000

// #pragma omp parallel for firstprivate(b) private(e,i)

Total time:
122.33990000000000000000

因此，“共享”速度较慢，因为“私有”数据未初始化（如评论者所建议的那样）。

让我们看看对线程数的依赖：

4threads
shared
Total time:
156.95030000000000000000
private
Total time:
121.11390000000000000000

2threads
shared
Total time:
155.96970000000000000000
private
Total time:
126.62130000000000000000

1thread (perfomance goes down ca. twice, I have 2-core machine)
shared
Total time:
283.06280000000000000000
private
Total time:
229.37680000000000000000

为了用 1.sh 编译它，我手动取消了两个“parallel for”行，以便给 1.sh 注释掉它们。

**1thread without parallel, initialized e[i]**
Total time:
281.22040000000000000000

**1thread without parallel, uninitialized e[i]** 
Total time:
231.66060000000000000000

所以，这不是 OpenMP 问题，而是内存/缓存使用问题。生成asm代码

g++ -O0 -S timings.cpp

在这两种情况下都有两个不同之处：一个是可以忽略的，在标签 LC 计数中，另一个标签（L3）在初始化e数组时不包含 1，而是包含 5 个 asm 行：

L3:
movl    -800060(%rbp), %eax
movslq  %eax, %rdx
movabsq $4621256167635550208, %rax
movq    %rax, -800016(%rbp,%rdx,8)

（初始化发生的地方）和公共线路： addl $1, -800060(%rbp)

所以，这似乎是缓存问题。

这不是答案，您可以使用上面的代码进一步研究问题，

于 2013-11-11T17:23:41.547 回答