C++ OpenMP循环阵列访问中的错误共享

我想利用OpenMP使我的任务并行

我需要将相同的量减去一个数组的所有元素，然后将结果写入另一个向量。这两个数组都动态分配了

malloc

，第一个数组由文件中的值填充。每个元素的类型均为

uint64\u t

#pragma omp parallel for
对于（uint64_t i=0；i

其中，

shift

是我要从

vec

的每个元素中删除的固定值

size

是

vec

和

new_-vec

的长度，约为200k

我在Arch Linux上使用

g++-fopenmp

编译代码。我使用的是Intel Core i7-6700HQ，使用8个线程。当我使用OpenMP版本时，运行时间要高出5到6倍。当我运行OpenMP版本时，我可以看到所有的内核都在工作

---

我认为这可能是由于错误的共享问题造成的，但我找不到它。

您应该调整迭代在线程之间的分配方式。使用

schedule（静态、块大小）

您可以这样做

尝试使用chunk_size值乘以64/sizeof（uint64_t）以避免上述错误共享：

[ cache line n   ][ cache line n+1 ]
[ chuhk 0  ][ chunk 1  ][ chunk 2  ]

实现这样的目标：

[ cache line n   ][ cache line n+1 ][ cache line n+2 ][...]
[ chunk 0                          ][ chunk 1             ]

您还应该以与缓存线对齐的方式分配向量。这样可以确保第一个块和后续块也正确对齐

#define CACHE_LINE_SIZE sysconf(_SC_LEVEL1_DCACHE_LINESIZE) 
uint64_t *vec = aligned_alloc( CACHE_LINE_SIZE/*alignment*/, 200000 * sizeof(uint64_t)/*size*/);

---

您的问题与所代表的问题非常相似。签出后，您将能够几乎准确地映射代码上的优化。

您的内存带宽有限，因为您尝试进行的并行计算非常简单，基本上只是在内存位置之间移动数据。添加线程将导致内存缓存未命中/抖动和预取失败。这样做的结果是代码运行速度变慢。在现代PC上，大约有1.5个线程会使内存总线饱和。@RichardCritten，这不是真的。高端处理器的带宽上限设计为需要使用多线程来饱和它们。查看我答案上的链接。你如何衡量执行时间？@hristoilev我正在使用

perf stat-r200

来计算执行时间的平均值。你能给出一个计算结果吗？循环的绝对执行时间是多少秒？这是代码中唯一的OpenMP区域吗？它在一个程序运行中执行了多少次？这可能是OpenMP的开销。除此之外，对流的深入讨论包括线程数量的选择及其在核心之间的分布。每个核心有多个线程几乎肯定会减慢速度。设置omp parallel时是否维护simd矢量化？您可以使用

omp for simd

请求多线程和矢量化，omp for simd是您正在使用的和

omp simd

的组合。检查一下。编译器可能能够在没有任何提示的情况下对其进行矢量化，但如果您有可能指定它，那么最好也使用该子句。GCC的默认循环计划是

static

，因此，在大约25000条缓存线中，有7条缓存线可能在线程之间共享，而在每个线程大约25000条缓存线中，有多达8条缓存线可能被错误共享。问题很可能是使用

clock（）

来测量Linux上的执行时间，这里有无数类似的问题。除了维护simd矢量化，使用非临时存储以获得高效的多线程执行也很重要。正如赫里斯托所说，如果你把所有线程的时间加起来，你肯定会看到它随着线程数的增加而增加。