Multithreading 将OpenMP转换为TBB

我在将OpenMP代码转换为TBB时遇到一些困难。有人能帮我吗

我在OpenMP中有以下代码，结果非常好

# pragma omp parallel \
shared ( b, count, count_max, g, r, x_max, x_min, y_max, y_min ) \
private ( i, j, k, x, x1, x2, y, y1, y2 )
{
 # pragma omp for

 for ( i = 0; i < m; i++ )
{
for ( j = 0; j < n; j++ )
{
 //cout << omp_get_thread_num() << " thread\n";
  x = ( ( double ) (     j - 1 ) * x_max   
      + ( double ) ( m - j     ) * x_min ) 
      / ( double ) ( m     - 1 );

  y = ( ( double ) (     i - 1 ) * y_max   
      + ( double ) ( n - i     ) * y_min ) 
      / ( double ) ( n     - 1 );

  count[i][j] = 0;

  x1 = x;
  y1 = y;

  for ( k = 1; k <= count_max; k++ )
  {
    x2 = x1 * x1 - y1 * y1 + x;
    y2 = 2 * x1 * y1 + y;

    if ( x2 < -2.0 || 2.0 < x2 || y2 < -2.0 || 2.0 < y2 )
    {
      count[i][j] = k;
      break;
    }
    x1 = x2;
    y1 = y2;
  }

  if ( ( count[i][j] % 2 ) == 1 )
  {
    r[i][j] = 255;
    g[i][j] = 255;
    b[i][j] = 255;
  }
  else
  {
    c = ( int ) ( 255.0 * sqrt ( sqrt ( sqrt ( 
      ( ( double ) ( count[i][j] ) / ( double ) ( count_max ) ) ) ) ) );
    r[i][j] = 3 * c / 5;
    g[i][j] = 3 * c / 5;
    b[i][j] = c;
  }
}
}
}

#pragma omp并行\
共享（b、计数、计数最大值、g、r、x最大值、x最小值、y最大值、y最小值）\
私有（i，j，k，x，x1，x2，y，y1，y2）
{
#pragma omp for
对于（i=0；i//请注意OpenMP版本代码中的
private（i，j，k，x，x1，x2，y，y1，y2）
子句。此变量列表指定并行循环体中的private/local变量。但是，在TBB版本的代码中，这些变量中的许多被lambda捕获为引用（
[&]
）因此，代码是不正确的。它有争用，在我看来，从多个线程访问这些变量（缓存一致性开销和混乱循环索引）会导致速度变慢。因此，如果要修复代码，请将这些变量设置为局部变量，例如

tbb::parallel_for ( int(0), m, [&](int i)
{
double x, y, x1, x2, y1, y2; // !!!!
int j, k;                    // !!!!
for ( j = 0; j < n; j++)
{
  x = ( ( double ) (     j - 1 ) * x_max   
      + ( double ) ( m - j     ) * x_min ) 
      / ( double ) ( m     - 1 );
...

（int（0），m，[&]（int i）的并行
{
双x，y，x1，x2，y1，y2；/！！！！
int j，k；/！！！！
对于（j=0；j

注意OpenMP版本代码中的

私有（i，j，k，x，x1，x2，y，y1，y2）

子句。此变量列表指定并行循环体中的私有/局部变量。但是，在TBB版本的代码中，这些变量中的许多被lambda捕获为引用（

[&]

）因此，代码是不正确的。它有争用，在我看来，从多个线程访问这些变量（缓存一致性开销和混乱循环索引）会导致速度变慢。因此，如果要修复代码，请将这些变量设置为局部变量，例如

tbb::parallel_for ( int(0), m, [&](int i)
{
double x, y, x1, x2, y1, y2; // !!!!
int j, k;                    // !!!!
for ( j = 0; j < n; j++)
{
  x = ( ( double ) (     j - 1 ) * x_max   
      + ( double ) ( m - j     ) * x_min ) 
      / ( double ) ( m     - 1 );
...

（int（0），m，[&]（int i）的并行 { 双x，y，x1，x2，y1，y2；/！！！！ int j，k；/！！！！ 对于（j=0；jTBB的默认分区器是

auto_partitioner

，它将递归工作细分到每个线程一次循环迭代的级别，这可能会导致巨大的开销。对于具有多个编译器的

工作共享构造，
的默认调度是
静态的
，因此您应该提供
parallel_for
算法与
static_partitioner
的单例实例在TBB中具有与OpenMP中相同的工作分布。我已更改了withtbb:：parallel_for（TBB:：blocked_range2d（0，m，0，n），[&]（TBB:：blocked_range2d s，static_partitioner（））{for（int I=s.rows（）.begin（）；Iauto_partitioner
，它将递归工作细分到每个线程一个循环迭代的级别，这可能会导致巨大的开销。对于带有多个编译器的
工作共享结构，
的默认调度是
静态的
，因此您应该提供
pa将
算法与
静态分区器
的单例实例合并，使其在TBB中的工作分布与OpenMP中的工作分布相同。我已更改了withtbb:：parallel_for（TBB:：blocked_range2d（0，m，0，n），[&]（TBB:：blocked_range2d s，静态分区器（））{for（int I=s.rows（）.begin（）；I