1

我在尝试并行化算法时遇到了一些问题。目的是对 100x100 矩阵进行一些修改。当我在没有 openMP 的情况下运行算法时，一切都在大约 34-35 秒内顺利运行，当我在 2 个线程上并行化时（我需要它只有 2 个线程），它会下降到 22 秒，但输出是错误的，我认为它是我无法解决的同步问题。

这是代码：

for (p = 0; p < sapt; p++){

    memset(count,0,Nc*sizeof(int));

    for (i = 0; i < N; i ++){
        for (j = 0; j < N; j++){

            for( m = 0; m < Nc; m++)
                dist[m] = N+1;

            omp_set_num_threads(2); 
            #pragma omp parallel for shared(configurationMatrix, dist) private(k,m) schedule(static,chunk)
            for (k = 0; k < N; k++){
                for (m = 0; m < N; m++){        

                    if (i == k && j == m)
                        continue;

                    if (MAX(abs(i-k),abs(j-m)) < dist[configurationMatrix[k][m]])
                        dist[configurationMatrix[k][m]] = MAX(abs(i-k),abs(j-m));       
                }
            }   


        int max = -1;

        for(m = 0; m < Nc; m++){

            if (dist[m] == N+1)
                continue;

            if (dist[m] > max){
                max = dist[m];
                configurationMatrix2[i][j] = m;
                }
            }           
        }
    }

    memcpy(configurationMatrix, configurationMatrix2, N*N*sizeof(int));


    #pragma omp parallel for shared(count, configurationMatrix) private(i,j)
    for (i = 0; i < N; i ++)
        for (j = 0; j < N; j++)
            count[configurationMatrix[i][j]] ++;

    for (i = 0; i < Nc; i ++)
        fprintf(out,"%i ", count[i]);
    fprintf(out, "\n"); 
}

其中：sapt = 100；count -> 它是一个向量，它包含我在每一步中拥有的矩阵的每个元素的数量；

（例如：count[1] = 60--> 我的矩阵中有元素 '1' 60 次，依此类推）

dist --> vector这让我拥有从元素 i,j 的最大距离，比如说值 K 到相同值 K 的元素 k,m。

（例如：dist[1] = 10--> 从值为 1 的元素到值为 1 的最远元素的距离）

然后我把东西写在一个输出文件中，但同样是错误的输出。

4

1 回答 1

1

如果我正确理解了你的代码这一行

count[configurationMatrix[i][j]] ++;

count在索引为 at 的元素处递增configurationMatrix[i][j]。我没有看到您的代码采取任何步骤来确保线程不会同时尝试增加count. 两个不同的元素configurationMatrix提供相同的索引count并且这两个元素由不同的线程处理是完全可行的。由于++不是原子操作，因此您的代码存在数据竞争；多个线程可以争用对同一变量的更新访问，结果您将失去任何正确性或确定性的保证。

我认为您的代码的其他部分也可能有相同问题的其他示例。与串行程序的结果相比，您在并行程序的结果中观察到的错误保持沉默，但这些错误通常在诊断问题时非常有用。例如，如果并行程序的结果每次运行时都不相同，这非常暗示代码中的某个地方存在数据竞争。

如何解决这个问题？由于您只有 2 个线程，因此最简单的解决方法是不并行化这部分程序。您可以将数据竞争包装在 OpenMPcritical部分中，但这实际上只是序列化代码的另一种方式。最后，你可以修改你的算法和数据结构来完全避免这个问题。

于 2013-11-10T21:04:28.920 回答