Параллельный цикл в openmp

Я пытаюсь распараллелить очень простой for-loop, но это моя первая попытка использовать openMP за долгое время. Меня поражает время работы. Вот мой код:

#include <vector>
#include <algorithm>

using namespace std;

int main () 
{
    int n=400000,  m=1000;  
    double x=0,y=0;
    double s=0;
    vector< double > shifts(n,0);


    #pragma omp parallel for 
    for (int j=0; j<n; j++) {

        double r=0.0;
        for (int i=0; i < m; i++){

            double rand_g1 = cos(i/double(m));
            double rand_g2 = sin(i/double(m));     

            x += rand_g1;
            y += rand_g2;
            r += sqrt(rand_g1*rand_g1 + rand_g2*rand_g2);
        }
        shifts[j] = r / m;
    }

    cout << *std::max_element( shifts.begin(), shifts.end() ) << endl;
}

Я скомпилирую его с помощью

g++ -O3 testMP.cc -o testMP  -I /opt/boost_1_48_0/include

то есть "-fopenmp", и я получаю эти тайминги:

real    0m18.417s
user    0m18.357s
sys     0m0.004s

когда я использую "-fopenmp",

g++ -O3 -fopenmp testMP.cc -o testMP  -I /opt/boost_1_48_0/include

Я получаю эти числа за время:

real    0m6.853s
user    0m52.007s
sys     0m0.008s

что для меня не имеет смысла. Как использование восьми ядер может привести только к 3-кратным повышение производительности? Я правильно кодирую цикл?

Ответ 1

Вы должны использовать предложение OpenMP reduction для x и y:

#pragma omp parallel for reduction(+:x,y)
for (int j=0; j<n; j++) {

    double r=0.0;
    for (int i=0; i < m; i++){

        double rand_g1 = cos(i/double(m));
        double rand_g2 = sin(i/double(m));     

        x += rand_g1;
        y += rand_g2;
        r += sqrt(rand_g1*rand_g1 + rand_g2*rand_g2);
    }
    shifts[j] = r / m;
}

При reduction каждый поток накапливает свою собственную частичную сумму в x и y, и в конце все частичные значения суммируются вместе, чтобы получить окончательные значения.

Serial version:
25.05s user 0.01s system 99% cpu 25.059 total
OpenMP version w/ OMP_NUM_THREADS=16:
24.76s user 0.02s system 1590% cpu 1.559 total

См. - сверхлинейное ускорение:)

Ответ 2

попытайтесь понять, как распараллеливать простой цикл, используя OpenMP

#pragma omp parallel
#pragma omp for
    for(i = 1; i < 13; i++)
    {
       c[i] = a[i] + b[i];
    }

предположим, что у нас есть 3 доступные потоки, вот что произойдет

во-первых

В потоках назначается независимый набор итераций

и, наконец,

Потоки должны подождать в конце конструкции совместного использования.

Ответ 3

То, что вы можете достичь максимум (!), - это линейное ускорение. Теперь я не помню, какой из них имеет время от linux, но я бы предложил вам использовать time.h или (в С++ 11) "chrono" и измерить время выполнения непосредственно из программы. Лучше всего поместить весь код в цикл, запустите его 10 раз и усредним, чтобы получить прогр. Время выполнения.

Кроме того, у вас есть проблема с x, y - которые не придерживаются парадигмы локальности данных в параллельном программировании.