C++ omp_get_max_线程数大于内核数时的Openmp性能

我是并行编程新手。我用C++编写了一个自己的吉布斯取样器。程序的概述是这样的

 for(int iter=0; iter <=itermax; iter++){ //loop1
 #pragma omp parallel for schedule(dynamic) 
 for(int jobs= 0;  jobs<=1000; jobs++){ // loop2
     small_job();
     #pragma omp critical(dataupdate){
        data_updates()
     }
 } 
   jobs_that_cannot_be_parallelized();
}

---

对于（int-iter=0；iter为什么不切换到OpenMP的
任务
s？数据更新有多大

，您能为每个小作业减少它或将数据存储到不同的位置，然后再合并它们吗？高系统负载很奇怪（这里有I/O吗？），而loop2基本上不应该创建太多线程。@osgx data_更新只是写入一个公共数组（数组的大小很大）相比之下，每个小作业都是大的。考虑到小作业从多个公共阵列读取，使用任务有什么好处。数据更新中没有I/o。你的意思是将小作业的数据存储在硬盘中吗？如果不是，我不确定如何将小作业中的不同数据存储在每个小作业的变量中，除了一个公共数组之外数组（需要critical）。如果您能给我举个例子，我将不胜感激。您的编译器和omp库（gcc+libgomp；icc+intel omp库或？？？）是什么？如果是gcc+libgomp，请尝试设置几个环境变量，并在omp线程计数等于cpu计数的情况下重新运行：

export GOMP_cpu_AFFINITY=“0-63”

和

导出OMP\u WAIT\u POLICY=ACTIVE

（对于I/O，我指的是系统负载高的唯一原因；对于小作业结果，我指的是

OMP critical

对性能不利，而

OMP atomic

和

OMP reduce

更好，最好的可能是将作业编号I的结果写入某个数组

数组[I]

；对于任务，我的意思是，omp任务对于可变作业可能比对于任务更好）osgx试图说的是，

omp关键的

+更新通常可以增强为

omp reduce

。例如，如果你有一个并行的for，其中你有一个短作业，然后是一个做总和的关键任务（或任何其他更新操作），您可以将它们合并到并行中进行缩减（如果需要，您可以编写自定义缩减）。