C 混合使用OpenMP和xmmintrin SSE内部函数-与非并行版本相比没有得到加速

我已经用

xmmintrin.h

SSE指令实现了一个版本，获得了不错的加速。但现在我也在尝试在它上面实现OpenMP线程，我看到了一个相当大的减速。我在这两种情况下都得到了正确答案（即（I）仅使用SSE，或（ii）使用SSE和OpenMP）

我知道我可能做错了什么，也许比我更有经验的人能发现这个问题

我的程序的主循环有以下（简短）伪代码：

int currentNode; 

for(int i = 0; i < numNodes; i++) {
    minimumDistance = DBL_MAX;
    minimumDistanceNode;

    for(int j = 0; j < numNodes; j++) {
        // find distance between 'currentNode' to j-th node
        // ...
        if(jthNodeDistance < minimumDistance) {
            minimumDistance = jthNodeDistance;
            minimumDistanceNode = jthNode;
        }
    }
    currentNode = minimumDistanceNode;
}

所以我的逻辑是：

• omp single

  用于顶级for（int i）for循环，我只需要一个专用于此的线程

• omp parallel num_threads（omp_get_max_threads（））

  用于内部for（int j）for循环，因为我希望所有内核同时处理这部分代码

• omp critical

  在完整for（int j）循环的末尾，因为我希望线程安全地更新当前节点

就运行时间而言，OpenMP版本的速度通常是仅SSE版本的两倍

在我的代码中，是否有什么特别糟糕的东西跳出来，导致OpenMP的速度急剧下降

在我的代码中，有没有什么特别糟糕的东西跳出来 导致OpenMP速度急剧下降的原因是什么

第一:

omp single用于顶级for（int i）for循环，我只想要1 线程专用于此

您的代码中包含以下内容：

#pragma omp parallel
{
    #pragma omp single
    {
        for (int i = 1; i < totalNum; i++) 
        {
           #pragma omp parallel num_threads(omp_get_max_threads())
           {
             //....
           }

          // within the 'omp single'
          ThisPt = minimumNode;
       }
    }
}

    #pragma omp parallel for
    for (int i = 1; i < totalNum; i++) 
    {
       ...
    }

仅内部线程仍然仅由一个线程执行

第二：

内部for（int）的omp并行num_线程（omp_get_max_threads（）） j） for循环，因为我希望所有核心都在 同时

问题是，这可能返回逻辑核的数量，而不是物理核的数量，并且某些代码在使用超线程时的性能可能会更差。因此，我将首先使用不同数量的线程进行测试，从2、4等开始，直到找到一个代码停止扩展的数字

正如我所希望的，在完整for（int j）循环的末尾，omp临界 线程安全地更新当前节点

最后，在完成这些更改后，您将尝试检查是否可以用以下内容替换此并行化：

#pragma omp parallel
{
    #pragma omp single
    {
        for (int i = 1; i < totalNum; i++) 
        {
           #pragma omp parallel num_threads(omp_get_max_threads())
           {
             //....
           }

          // within the 'omp single'
          ThisPt = minimumNode;
       }
    }
}

    #pragma omp parallel for
    for (int i = 1; i < totalNum; i++) 
    {
       ...
    }

#pragma omp parallel for
for（int i=1；i

在我的代码中，有没有什么特别糟糕的东西跳出来 导致OpenMP速度急剧下降的原因是什么

第一:

omp single用于顶级for（int i）for循环，我只想要1 线程专用于此

您的代码中包含以下内容：

#pragma omp parallel
{
    #pragma omp single
    {
        for (int i = 1; i < totalNum; i++) 
        {
           #pragma omp parallel num_threads(omp_get_max_threads())
           {
             //....
           }

          // within the 'omp single'
          ThisPt = minimumNode;
       }
    }
}

    #pragma omp parallel for
    for (int i = 1; i < totalNum; i++) 
    {
       ...
    }

仅内部线程仍然仅由一个线程执行

第二：

内部for（int）的omp并行num_线程（omp_get_max_threads（）） j） for循环，因为我希望所有核心都在 同时

问题是，这可能返回逻辑核的数量，而不是物理核的数量，并且某些代码在使用超线程时的性能可能会更差。因此，我将首先使用不同数量的线程进行测试，从2、4等开始，直到找到一个代码停止扩展的数字

正如我所希望的，在完整for（int j）循环的末尾，omp临界 线程安全地更新当前节点

最后，在完成这些更改后，您将尝试检查是否可以用以下内容替换此并行化：

#pragma omp parallel
{
    #pragma omp single
    {
        for (int i = 1; i < totalNum; i++) 
        {
           #pragma omp parallel num_threads(omp_get_max_threads())
           {
             //....
           }

          // within the 'omp single'
          ThisPt = minimumNode;
       }
    }
}

    #pragma omp parallel for
    for (int i = 1; i < totalNum; i++) 
    {
       ...
    }

#pragma omp parallel for
for（int i=1；i

对我发布的内容有任何反馈吗？对我发布的内容有任何反馈吗？