Parallel processing 并行代码测量的变化

我在顺序代码和并行代码的不同运行之间有太多的差异。例如，顺序版本需要418秒。并行版本采用：

2个螺纹-250.630453；339.735046 ; 256.153005 ; 256.153005 ; 311.177856

4个螺纹-119.442949；116.032005 ; 165.095566 ; 149.539717 ; 180.880198

8个螺纹-73.856070；68.082326 ; 76.318023 ; 68.922623 ; 55.321316

16个螺纹-56.687378；45.672769 ; 48.757555 ; 42.978104 ; 36.978891

32螺纹-24.421824；21.459057 ; 23.815743 ; 24.936219 ; 24.581316

64个螺纹-14.789693；15.312125 ; 16.770807 ; 13.371806 ; 14.282328

该机器有2个插槽、32个物理内核（Intel Xeon E5-2698v3）和超线程。计算机上没有运行其他用户进程

这有多正常？有些跑步的变化超过55%。并行代码确实会干扰算法的收敛速度（这是迭代的），但不会达到这种程度。特别是，我在另一台计算机上运行了同样的代码，它更加稳定。我还没有试着运行其他并行代码来看看它们有多稳定

---

编辑：忘了说（1）顺序版本本身有很多变化（至少20%），和（2）我尝试了所有亲和力的组合，稳定性和性能都没有得到持续改善

CPU之间的线程迁移会影响性能。此外，双插座系统是NUMA。使用

KMP\u AFFINITY

或

GOMP\u CPU\u AFFINITY

绑定线程，执行时间将更加一致。如果您的编译器理解OpenMP 4.0，则相应地设置

OMP_位置

。请参阅编辑。要获得更高的执行时间，使用更少的线程（2），情况会变得更糟！1056.12，然后是703.04。您是否尝试过使用“英特尔VTune”或类似工具分析代码？这是一种随机算法吗？蒙特卡洛？如果顺序版本的执行时间不同，并且如果这是算法的固有属性，那么并行版本的执行时间预期会有更高的差异。CPU之间的线程迁移会影响性能。此外，双插座系统是NUMA。使用

KMP\u AFFINITY

或

GOMP\u CPU\u AFFINITY

绑定线程，执行时间将更加一致。如果您的编译器理解OpenMP 4.0，则相应地设置

OMP_位置

。请参阅编辑。要获得更高的执行时间，使用更少的线程（2），情况会变得更糟！1056.12，然后是703.04。您是否尝试过使用“英特尔VTune”或类似工具分析代码？这是一种随机算法吗？蒙特卡洛？如果顺序版本的执行时间不同，并且如果这是算法的固有特性，那么并行版本的执行时间预期会有更高的差异。