Parallel processing 为什么openmp在某些机器上的并行化速度较慢

我正在开发一个数值模拟，可以并行运行以提高速度。我通常多次运行模拟，然后对单个结果进行平均。此循环，即多次运行，使用openmp进行并行化：

    // set the number of threads
    omp_set_num_threads (prms.nthreads);

#pragma omp parallel if(prms.parallel) shared(total) private(iRun)
    {
#pragma omp for schedule(dynamic)
        for (iRun = 1; iRun <= prms.number_runs; iRun++)
        {
            // perform the simulation
        }
    }

正如您所看到的，并行计算要比序列化计算慢得多，即使是在总体上。我确信这不是内存问题，计算机有多个内核

---

可能是什么问题？它可能是openmp实现吗？或者系统中有什么配置错误？我真的不知道该找什么。

看来缓存一致性是个问题。如果

total

是您的共享数组，并且每个线程在

total

中更新自己的单元格，因为线程正在动态拾取工作，所以很可能线程必须更新

total

中可能位于同一缓存线中的相邻值

---

在您的测试机器上，这不太可能造成太大的伤害，因为在共享的L3中，

total

可能是一致的，但在集群中，它需要在网络上来回移动，这应该会造成伤害。

由于我没有足够的声誉，我将此添加为一个答案，而不是一个注释：

您是否已确保对不同模拟的数据进行了并行而非串行初始化

我知道这会根据您的体系结构产生巨大的差异。也许你可以给出一个关于架构的提示

准确地说： 如果你这样做

for(i = 1; i < prms.number_runs; ++i)
   allocAndInitializeSimulationData( i )

#pragma omp parallel if(prms.parallel) shared(total) private(iRun)
{
#pragma omp for schedule(dynamic)
    for (iRun = 1; iRun <= prms.number_runs; iRun++)
    {
        // perform the simulation
    }
}

for（i=1；i对于（iRun=1；iRun实际上，我看到的是，real、user和sys的集群实现报告的时间比测试机上相应的值要高。当你使用办公室墙上的时钟时，你会得到什么计时？或者，更重要的是，如果你在st向时钟例程插入调用，你会得到什么计时程序的艺术和结束？两次运行都在同一台机器上，我只设置了一次-P标志，使程序并行运行。第二次运行的时间确实更长。例如，在我的笔记本电脑上，第二次运行的时间大约为25秒或30秒，是第一次运行的两倍……你的模拟是否执行了大量的I/O操作？你的线程是否协同工作在并行运行过程中，从一个内核到另一个内核的非同步跳转？您的计算是否涉及随机数生成（这可以解释为什么需要多次运行）？如果是，如何生成所有这些数字？（根据您的操作方式，可能存在隐藏的共享变量）。您确定这两台机器上的随机数生成库是相同的吗？您能为所有线程使用不同的RNG实例（使用
gsl\u RNG\u alloc
）并重新计时以查看是否有更改吗？我已解决了问题，如我的问题评论中所述。无论如何，谢谢。
for(i = 1; i < prms.number_runs; ++i)
   allocAndInitializeSimulationData( i )

#pragma omp parallel if(prms.parallel) shared(total) private(iRun)
{
#pragma omp for schedule(dynamic)
    for (iRun = 1; iRun <= prms.number_runs; iRun++)
    {
        // perform the simulation
    }
}

#pragma omp parallel if(prms.parallel) shared(total) private(iRun)
{
   #pragma omp for schedule(dynamic)
   for(i = 1; i < prms.number_runs; ++i)
      initializeAndAllocSimulation( i )

   #pragma omp for schedule(dynamic)
   for (iRun = 1; iRun <= prms.number_runs; iRun++)
   {
      // perform the simulation
   }
}