Parallel processing 用于openmp上的循环

当我不使用openMP时，下面的代码运行得更快。为什么会这样？ 我在一台双核机器上运行它。 使用open mp运行所需的时间约为0.05秒，而在不使用openMP的情况下运行时仅需0.03秒

#include<omp.h>
#include<iostream>
#include<time.h>
using namespace std;

int main()
{
clock_t start=clock();
int i,j,t1,t2, n=1;
float a[1000][1000];
float b[1000][1000];



#pragma omp parallel 
{
#pragma omp for private(i)
for(j=0; j<1000; j++)
{
    for(i=0; i<1000; i++)


    {
            a[i][j]=(i*j*i*j)/(i+j+1)/(i*j*i+8*i+1);
            b[i][j]=(i*j*i*j)/(i+j+1)/(i*j*i+8*i+1);

    }
}
}
clock_t end=clock();
cout<<"Time to run is "<<(double)(end - start)/CLOCKS_PER_SEC<<endl;
}

#包括
#包括
#包括
使用名称空间std；
int main（）
{
时钟启动=时钟（）；
int i，j，t1，t2，n=1；
浮动a[1000][1000]；
浮动b[1000][1000]；
#pragma-omp并行
{
#pragma omp用于私人（i）
对于（j＝0；您的代码没有任何错误），但是您应该考虑问题的大小。1000×1000×4字节（浮点）＝4MB。这通常是大多数现代系统的组合L2高速缓存的大小。静态情况下的并行化开销大约是一些CPU周期（100-99个周期）。。因此，通过并行程序实际实现的性能增量会因此开销而丢失。如果将问题更改为10000*100000，则问题是内存受限的，性能的变化非常明显。好的。感谢提供信息。此外，我还发现时钟（）函数将给出进程所花费的总时间，包括每个线程所花费的时间。也许，这就是我最终错误地测量墙时间的原因。应该计算所有线程所消耗的时间，然后我们看看并行化有多好？假设您总共有“W”要做的工作量，当使用n个线程运行时，每个线程将执行W/n，总的来说，时间应减少系数（1/n）如果没有，那么我们检查算法。为了以后的引用，在循环结束后，在循环开始和结束之前把你的时间开始。C++数组中的内存布局是沿着列的。对于元素A[i] [j]，下一个邻居是[i] [j+1]。所以你应该把外环改成“i”而不是“j”。非常感谢“厄运”。