C++ 要将程序转换为健壮的OpenMP感知版本，必须做些什么？

该程序在单个输入数据文件和单个输出数据文件上运行：它从输入中获取一个数据单元，计算数据的几个统计特征，并将这些特征输入输出

人们发现这个程序是CPU受限的：CPU的使用率始终是99%，计算比读写花费更多的时间。决定使用OpenMP将程序转换为并行处理版本，因为硬件有32个CPU可用。然而，很明显，这可能导致写入竞争条件，因为多个并行线程可能希望写入单个输出

---

准备此类程序以实现OpenMP感知和OpenMP安全的必要步骤是什么？只有OpenMP pragmas才能轻松实现，而无需更改代码，或者之前必须实现一些锁定机制？

并行化代码的难度实际上取决于占用大部分时间的例程的复杂性

在进行任何并行计算之前，您应该做的第一件事是分析您的代码，并确定哪个函数确切地占用了大部分CPU时间

一旦你知道了，你需要问自己以下问题：

• 它有数据依赖关系吗
• 如果是，我可以通过复制某些价格合理的数据结构来消除它们吗
• 如果不是，它们是读/写还是只读
• 如果它们是读/写的，访问它们的频率-根据这一点选择正确的锁定机制
• 我是否有读/写全局变量？如果是-是否可以使其成为本地线程？如果没有-摆脱他们
• 完成所有排序后，决定将输入拆分为线程的最佳方式（有关详细信息，请参阅OpenMP调度）
• 开始编写pragma，重新排列代码，使函数线程安全/可重入
• 最后一点：调试，调试，调试。尝试设计可在多线程应用程序中重现的输入/输出小示例

回答最后一个问题：

stdio

库调用都是线程安全的。它们使用内部锁定

第一个

#pragma omp parallel

提示：默认情况下，所有变量都是共享的，将它们定义为不可用，并分别为每个变量指定sharing/private。这是bug的常见陷阱：

#pragma omp parallel default(none)

---

并行化代码的难度实际上取决于占用大部分时间的例程的复杂性

在进行任何并行计算之前，您应该做的第一件事是分析您的代码，并确定哪个函数确切地占用了大部分CPU时间

一旦你知道了，你需要问自己以下问题：

• 它有数据依赖关系吗
• 如果是，我可以通过复制某些价格合理的数据结构来消除它们吗
• 如果不是，它们是读/写还是只读
• 如果它们是读/写的，访问它们的频率-根据这一点选择正确的锁定机制
• 我是否有读/写全局变量？如果是-是否可以使其成为本地线程？如果没有-摆脱他们
• 完成所有排序后，决定将输入拆分为线程的最佳方式（有关详细信息，请参阅OpenMP调度）
• 开始编写pragma，重新排列代码，使函数线程安全/可重入
• 最后一点：调试，调试，调试。尝试设计可在多线程应用程序中重现的输入/输出小示例

回答最后一个问题：

stdio

库调用都是线程安全的。它们使用内部锁定

第一个

#pragma omp parallel

提示：默认情况下，所有变量都是共享的，将它们定义为不可用，并分别为每个变量指定sharing/private。这是bug的常见陷阱：

#pragma omp parallel default(none)

---

程序只有三个功能：<代码> Read <代码>，<代码>计算<代码> > <代码>写<代码>。让我们考虑程序已经变形，发现代码>计算<代码>占用99% CPU时间。如果

compute

仅对局部变量进行操作，则问题在于写入顺序，这可能与读取不一致。那么是否应该实现某种缓存前缓冲区和缓存后缓冲区？@mbaitoff是的，在这种情况下，您的代码可以很容易地并行化。如果你的输出必须是一个特定的顺序，那么你将需要它来实现类似于一个重新排序缓冲区的东西：考虑程序只有三个功能：<代码> Read <代码>，<代码>计算< /代码>和<代码>写< /代码>。让我们考虑程序已经变形，发现代码>计算<代码>占用99% CPU时间。如果

compute

仅对局部变量进行操作，则问题在于写入顺序，这可能与读取不一致。那么是否应该实现某种缓存前缓冲区和缓存后缓冲区？@mbaitoff是的，在这种情况下，您的代码可以很容易地并行化。如果您的输出必须以特定的顺序进行，那么您将需要它来实现类似于重新排序缓冲区的功能：