C++ OpenMP第一个内核比第二个内核慢得多

我有一个巨大的98306乘98306二维数组初始化。我创建了一个内核函数，它计算低于某个阈值的元素总数

#pragma omp parallel for reduction(+:num_below_threshold)
for(row)
    for(col)
        index = get_corresponding_index(row, col);
        if (array[index] < threshold)
            num_below_threshold++;

#pragma omp parallel用于缩减（+：num_低于_阈值）
（世界其他地区）
用于（col）
索引=获取对应的索引（行、列）；
if（数组[索引]<阈值）
num_低于_阈值++；

出于基准测试的目的，我测量了线程数设置为1时执行的内核的执行时间。我注意到内核第一次执行它大约花了11秒。下一次对内核的调用只花了大约3秒的时间，该调用使用一个线程在同一阵列上执行。我认为这可能是一个与缓存有关的问题，但似乎没有关系。造成这种情况的可能原因是什么

此数组初始化为：

float *array = malloc(sizeof(float) * 98306 * 98306);
for (int i = 0; i < 98306 * 98306; i++) {
    array[i] = rand() % 10;
}

float*array=malloc（sizeof（float）*98306*98306）；
对于（int i=0；i<98306*98306；i++）{
数组[i]=rand（）%10；
}

---

同一内核被应用于这个数组两次，第二次执行时间比第一次内核快得多。我认为Linux上的延迟分配是有问题的，但由于初始化函数的缘故，这不应该是一个问题。任何解释都会有帮助。谢谢

既然你没有提供任何信息，我不得不在这里做一些大胆的猜测，但我很有信心我掌握了问题的要点

首先，您必须注意98306 x 98306是9664069636，这远远大于有符号32位整数可以存储的最大值（2147483647）。因此，溢出后，初始化循环的

上限可能会变为1074135044（就像在我的机器上一样，尽管严格来说这是未定义的行为，任何事情都可能发生），这大约比您预期的小9倍

现在，在初始化循环之后，操作系统实际上只分配了您认为分配的内存的11%。然而，您的第一个简化循环在检查阵列的各个元素方面做得很好，因为对于其中的大约89%来说，这是第一次，操作系统在那里进行实际的内存分配，这需要相当长的时间

现在，对于您的第二个简化循环，所有内存都已正确分配和使用，这使它更快

这就是我认为发生的事情。也就是说，许多其他参数可以在这里发挥作用，例如：


交换：尝试分配的阵列表示大约36GB的内存。如果您的机器没有那么多可用内存，那么您的代码可能会被交换，这可能会使您能够提出的任何性能度量都变得一团糟
NUMA效应：如果您的计算机有多个NUMA节点，那么线程固定和内存关联如果管理不当，可能会对循环之间的性能产生很大影响
编译器优化：您没有提到您使用的编译器以及您请求的优化级别。有鉴于此，你会惊讶于你的代码会变得多么简短。例如，编译器可以完全删除第二个循环，因为它执行与第一个相同的操作，并且由于结果相同而变得无用。。。还有许多其他让你的基准变得毫无意义的有趣和意想不到的事情
贴一张照片。特别是，你是如何初始化数组的？@EOF我添加了这个例子。但是我没有看到数组的初始化方式对执行结果的影响。有符号整数溢出是未定义的行为，因此编译器可以完全删除代码。@EOF很好。我添加了一个注释提到它（尽管我仍然很有信心事情和我描述的一样），似乎编译器优化是问题发生的原因。出于某种原因，编译器决定将简化操作更改为原子添加。这就完全不同了。