C++ OpenMP和内核/线程

我的CPU是一个核心i330m，有2个核心和4个线程。当我在终端中执行命令cat

/proc/cpuinfo

时，就好像我有4个CPU。当我使用OpenMP函数时，我也得到了4

现在我有一个标准C++向量类，我是指不使用表达式模板的固定大小的双数组类。我仔细地将类中的所有方法并行化，得到了“预期”的加速

问题是：在这种简单的情况下，我能猜出预期的加速吗？例如，如果我添加两个向量而不并行化For循环，我会得到一些时间（使用shell time命令）。现在，如果我使用OpenMP，根据内核/线程的数量，我应该得到时间除以2还是除以4？我要强调的是，我只是在问这个特殊的简单问题，数据中没有相互依赖关系，一切都是线性的（向量加法）

下面是一些代码：

Vector Vector::operator+(const Vector& rhs) const
{
    assert(m_size == rhs.m_size);
    Vector result(m_size);
    #pragma omp parallel for schedule(static)
    for (unsigned int i = 0; i < m_size; i++) 
            result.m_data[i] = m_data[i]+rhs.m_data[i];

    return result;
}

向量向量：：运算符+（常量向量和rhs）常量
{
断言（m_大小==rhs.m_大小）；
向量结果（m_大小）；
#计划的pragma omp并行（静态）
for（无符号整数i=0；i

我已经读过这篇文章：

我希望有人能告诉我更多关于OpenMP是如何在这个简单的案例中完成工作的。我应该说我是并行计算的初学者

---

谢谢

编辑：现在添加了一些代码

在那个特定的例子中，计算量很小，内存访问量很大。因此，性能将在很大程度上取决于：

• 向量的大小
• 你是如何计时的。（是否有用于计时的外环）
• 数据是否已在缓存中

对于较大的向量大小，您可能会发现性能受到内存带宽的限制。在这种情况下，并行性不会有多大帮助。对于较小的尺寸，线程开销将占主导地位。如果您正在获得“预期”的加速，那么您可能处于两者之间的某个位置，结果是最佳的

我拒绝给出硬性数字，因为一般来说，“猜测”性能（特别是在多线程应用程序中）是一个失败的原因，除非您事先具备测试知识或熟悉程序及其运行系统

正如我在这里回答的一个简单例子：

在3.5 GHz的i7 920内核上（4个内核，8个线程）：

如果使用4个线程运行，结果是：

This machine calculated all 78498 prime numbers under 1000000 in 39.3498 seconds

This machine calculated all 78498 prime numbers under 1000000 in 30.4429 seconds

如果使用4个线程运行，并显式（使用任务管理器）将线程固定在4个不同的物理内核上，结果是：

This machine calculated all 78498 prime numbers under 1000000 in 39.3498 seconds

This machine calculated all 78498 prime numbers under 1000000 in 30.4429 seconds

---

---

因此，这表明即使是对于一个非常简单且令人尴尬的并行应用程序，它也是多么不可预测。涉及大量内存使用和同步的应用程序变得更加丑陋…

这是神秘的答案。您的问题纯粹是内存带宽受限。看一看这张照片。在您的计算机上以单线程和多线程的方式运行它，并查看三元组结果-这就是您的情况（好吧，几乎是这样，因为您的输出向量同时也是您的输入向量之一）。计算移动的数据量，您将准确地知道预期的性能

多线程可以解决这个问题吗？对很少有一个CPU内核会使系统的整个内存带宽饱和。现代计算机平衡可用内存带宽和可用内核数量。根据我的经验，通过简单的memcopy操作，您将需要大约一半的内核来饱和内存带宽。如果您在途中进行一些计算，可能还需要一些时间

请注意，在NUMA系统上，您需要将线程绑定到cpu内核，并使用本地内存分配来获得最佳结果。这是因为在这样的系统上，每个CPU都有自己的本地内存，访问速度最快。您仍然可以像在普通SMP上一样访问整个系统内存，但这会带来通信成本—CPU必须显式地交换数据。将线程绑定到CPU并使用本地分配是非常重要的。如果做不到这一点，将破坏可伸缩性。如果要在Linux上执行此操作，请检查libnuma