C++ 更好地使用openmp

我正在尝试实现openMP，但就像我之前的许多海报一样，结果只是代码速度变慢了。受前面答案的启发，我从使用

#pragma omp parallel for

改为

#pragma omp task

，希望能避免一些开销。不幸的是，并行化代码的速度仍然是串行代码的两倍。从其他答案来看，正确的程序似乎取决于代码的具体要求，这就是为什么我认为我必须自己问一个问题

首先是伪代码：

#pragma omp parallel
{
#pragma omp master
while (will be run some hundreds of millions of times)
{
    for (between 5 and 20 iterations)
    {
        #pragma omp task
        (something)
    }
    #pragma omp taskwait <- it is important that all the above tasks are completed before going on

    (something)

    if (something)
    {
        (something)

        for (between 50 and 200 iterations)
        {
            #pragma omp task 
            (something)
        }
        #pragma omp taskwait

        (something)
    }

}
}

#pragma omp并行
{
#pragma-omp-master
而（将运行数亿次）
{
用于（在5到20次迭代之间）
{
#pragma-omp任务
（某物）
}
#pragma omp taskwait对于并行编程，您还应该以很少需要同步线程的方式设计问题。每次同步线程时，您将获得所有线程中最差的性能。如果需要同步线程，请尝试重新设计问题，以避免这些同步

将代码从
#pragma omp parallel for
调整为
#pragma omp task
不会带来任何显著的改进，因为它们的执行时间差通常是可以忽略的。在尝试调整一些例程调用或omp语句之前，您需要将问题调整为并行执行。您需要真正考虑“并行”为了获得良好且可扩展的性能提升，仅仅调整串行代码很少奏效

在您的代码中，您应该尝试并行化while循环，而不是内部for循环。如果并行化小for循环，则不会获得任何显著的性能提高。
我不确定任务是否正确。我不太熟悉任务，但似乎每次遇到
\pragma om时都会启动一个线程p任务
。我宁愿尝试以下方法：

while (will be run some hundreds of millions of time)
{
#pragma omp parallel
{
    for (between 5 and 20 iterations)
    {
        (something) 
    }
#pragma omp single/master
{

    (something)
    bool flag = false;
    if (something)
    {
        (something)
        flag = true;
    }
}

    if (flag)
    {
        for (between 50 and 200 iterations)
        {
            (something)
        }
    }
#pragma omp single/master
{
            (something)
}
    }
    }

同样重要的是要记住，for循环中的任务对于并行执行来说可能太小，以提供任何加速，因为在启动和同步线程时会有开销。您还应该考虑重写程序的可能性，这样您就不需要同步线程，而您现在经常这样做。我猜是目前，您的算法和工作负载对于并行执行来说实际上太小了，无法像现在编写的那样提高速度。
您是否记得相应地设置您的环境变量？OMP_NUM_THREADS=N，其中N是处理器支持的线程或核心数，恐怕这是完全不可能的。我意识到在上面的例子中并不明显，但是while循环中的每个迭代都依赖于前面的迭代，因此它们必须按顺序进行。然后尝试重新设计您的问题，以获得独立的循环。否则，您将浪费时间调整并行执行得不好的代码。这将使每个迭代进行n次（n是线程数），因此实际上没有任何好处。使用任务不会启动新线程，而是使用当前团队的线程，这些线程当前处于搁置状态（不完全正确，但足够接近）for循环的每次迭代需要多长时间？如果任务太小，很可能根本不可能在这里获得加速。此外，为什么
#pragma omp task
比
#pragma omp for
更快？毕竟后者应该能够以更少的管理开销获得成功。在我看来，如果t更快您可能在您的情况下使用了错误的调度模式。关于任务等待：据我所知，
master
部分应该是您的父任务（或者可能是
parallel
部分，但这似乎不太可能）我认为任务会更快，因为对一个老问题的回答大致是这样的：“如果for循环中的迭代次数太少，那么最好改用任务”。在串行情况下，可以在1.7秒内完成10000次while循环迭代。考虑到其他设置，第二次for循环的每次迭代的大致估计值为1.0-0.5微秒。我知道这很短，但有人告诉我低估了并行化的能力，并决定试一试：）听起来你真的需要考虑一种新的算法，或者一种新的并行处理范式，或者两者兼而有之。如果迭代的执行时间相差很大，任务在几次迭代中可能更快的原因是更好的负载平衡。但是，你也应该能够使用动态调度获得这种效果。1.0µs/任务对并行化产生积极影响来说似乎有点低。我预计任务的开销大约在几千个时钟的范围内，大约一微秒。毕竟原子学，把东西移动到不同的缓存中，这些东西并没有那么便宜。@talonmies一个不同的并行处理范例，那会是什么？我没有尝试过他根本没有考虑环境变量，但让“#pragma omp parallel”自己来解决。我的各种版本的“hello world”显示了正确的输出数（2）。你是什么意思？上面的内容？是的，如果我不提供“-fopenmp”对于g++，代码将以串行方式运行。这就是为什么我可以说并行版本太慢的原因。我是否正确理解了您的问题？对不起，我的意思是问您是否对其进行了分析。从情况看，这听起来像是您的处理器不太可能运行，或者您的代码存在某些竞争条件或同步问题这使得openMP速度变慢