C++ 容器元素上的OpenMP缩减

我有一个嵌套循环，外部迭代很少，内部迭代很多。在内部循环中，我需要计算一个和，所以我想使用OpenMP缩减。外部循环位于容器上，因此减少应该发生在该容器的元素上。 下面是一个最简单的人为示例：

#include <omp.h>
#include <vector>
#include <iostream>

int main(){
    constexpr int n { 128 };

    std::vector<int> vec (4, 0);
    for (unsigned int i {0}; i<vec.size(); ++i){

        /* this does not work */
        //#pragma omp parallel for reduction (+:vec[i])
        //for (int j=0; j<n; ++j)
        //  vec[i] +=j;

        /* this works */
        int* val { &vec[0] };
        #pragma omp parallel for reduction (+:val[i])
        for (int j=0; j<n; ++j)
            val[i] +=j;

        /* this is allowed, but looks very wrong. Produces wrong results
         * for std::vector, but on an Eigen type, it worked. */
        #pragma omp parallel for reduction (+:val[i])
        for (int j=0; j<n; ++j)
            vec[i] +=j;
    }
    for (unsigned int i=0; i<vec.size(); ++i) std::cout << vec[i] << " ";
    std::cout << "\n";

    return 0;
}

问题是，如果我将reduce子句写为+：vec[I]，我会得到错误“vec”没有指针或数组类型，这足以说明如何找到解决方法。然而，这意味着我必须引入一个新的变量，并在一定程度上更改代码逻辑，我发现不太清楚代码应该做什么

我的主要问题是，是否有更好/更干净/更标准的方法来编写容器元素的缩减

我还想知道上面代码中显示的第三种方式为什么以及如何工作。我实际上是在使用Eigen库，在它的容器上，这个变体似乎工作得很好，但是还没有对它进行广泛的测试，但是在std:：vector上，它会产生介于0和实际结果8128之间的结果。我认为它应该可以工作，因为vec[I]和val[I]都应该计算为对同一地址的解引用。但遗憾的是，显然不是

---

我使用的是OpenMP 4.5和gcc 9.3.0。

对于第二个示例，与其存储指针然后总是访问同一个元素，不如使用局部变量：

    int val = vec[i];
    #pragma omp parallel for reduction (+:val)
    for (int j=0; j<n; ++j)
        val +=j;
    vec[i] = val;

---

对于第三个循环，我怀疑问题是因为reduce子句命名了一个变量，但在循环中您从未使用该名称更新该变量，因此编译器看不到任何要减少的内容。使用Eigen可能会使代码的分析更加复杂，从而导致循环工作。

我将分三部分回答您的问题：

一,。在上面的示例中，使用std:：vec执行OpenMP缩减的最佳方法是什么

我使用您的方法，即创建一个指针int*val{&vec[0]}

ii声明一个新的共享变量，如@1201programalam

iii声明一个不适用于您的简单案例，但请参见3。下面是一个更有效的模式

二,。为什么第三个循环不起作用，为什么它和本征一起起作用

与前面的回答一样，您告诉OpenMP对内存地址X执行缩减和，但对内存地址Y执行加法，这意味着将忽略缩减声明，并且加法将受到通常的线程竞争条件的约束

您并没有提供关于您的Eigen venture的太多细节，但以下是一些可能的解释：

我认为您并没有真正使用多线程检查n=Eigen:：nbThreads

ii您没有禁用Eigen自身的并行性，这可能会中断您自己对OpenMP的使用，例如Eigen\u DONT\u PARALLELIZE编译器指令

iii竞争条件存在，但您没有看到，因为特征操作需要更长的时间，您使用的线程数量较少，只写入了少量的值=>线程相互干扰的发生率较低，从而产生错误的结果

三,。我应该如何使用OpenMP在技术上并行化此场景？这不是您明确提出的问题

与只并行内部循环不同，您应该同时并行这两个循环。串行代码越少越好。在这个场景中，每个线程都有自己的vec向量的私有副本，在所有元素都被各自的线程求和后，该副本就会减少。这个解决方案对于您介绍的示例来说是最佳的，但是如果您使用的是非常大的向量和非常多的线程，或者RAM非常有限，那么可能会遇到RAM问题

#pragma omp parallel for collapse(2) reduction(vsum : vec)
for (unsigned int i {0}; i<vec.size(); ++i){
    for (int j = 0; j < n; ++j) {
        vec[i] += j;
    }
}

其中，vsum是用户定义的缩减，即

#pragma omp declare reduction(vsum : std::vector<int> : std::transform(omp_out.begin(), omp_out.end(), omp_in.begin(), omp_out.begin(), std::plus<int>())) initializer(omp_priv = decltype(omp_orig)(omp_orig.size()))

---

在使用它的函数之前声明缩减，您就可以开始了

谢谢您的回复，但是仍然有相同数量的新变量，现在还有更多的操作，所以这不是我想要的。谢谢您的回答！我最初希望对内环和外环的线程数有更多的控制，但我想现在我会使用collapse2。我认为，用户定义的缩减绝对是首选的解决方案。它绝对是最具可读性的，特别是因为reduce+：可以重载。还有一个问题：我非常喜欢为模板类型定义缩减，尤其是与Eigen一起使用时。可能吗？到目前为止，我的编译器说这里不允许使用“pragma”。对于第2部分：ii，定义了令牌，我检查了I的omp_get_num_线程。不过，对于我的测试用例，很可能是iii，因为迭代次数很少。问题发生在较大的阵列上。afaik不可能将模板直接用于OpenMP缩减。您可能必须在归约声明中使用泛型函子，而不是原语，这样才能工作。然而，我还没有试过。