openmp 并行编程探秘

Posted 2021-08-07 qianbo_insist

openmp debug下

int64_t taketime()
{
	int64_t a = 0;
	for (int i = 0; i < 10000; i++)
		a++;
	return a;
}

int main(int argc, char* argv[])
{
	int64_t tmp;
	clock_t t1 = clock();
	for (int i = 0; i < 1000; i++)
		tmp = taketime();
	clock_t t2 = clock();
	cout << tmp << endl;
	std::cout << "Serial time: " << t2 - t1 << std::endl;


	t1 = clock();
	#pragma omp parallel 
	{
		#pragma omp for
		for (int i = 0; i < 1000; i++)
			tmp = taketime();
	}
	t2 = clock();
	cout << tmp << endl;
	std::cout << "Parallel time: " << t2 - t1 << std::endl;

	return 0;
}

运行结果：

在debug openmp下，程序效率好像大大提升，结果正确，我们接下来变成release代码

openmp release下

release状态下，非openmp 优化比openmp 并行下快了不止一点吧，我们提升以下clock

class TicToc
{
public:
	TicToc()
	{
		tic();
	}

	void tic()
	{
		start = std::chrono::system_clock::now();
	}

	double toc()
	{
		end = std::chrono::system_clock::now();
		std::chrono::duration<double> elapsed_seconds = end - start;
		return elapsed_seconds.count();
	}

private:
	std::chrono::time_point<std::chrono::system_clock> start, end;
};

我们改成 elapsed_seconds.count()，也就是返回double的秒数
这下返回的不是毫秒，是秒了，下面就是

这下奇怪了吧，openmp的效率反而慢了，我们再做一个测试

openmp 遇到真耗时

比如耗时为查询数据库，写文件，网络发送，这时候编译器无法优化的操作时，我们看看发生了什么

#include <thread>
void real_taketime2()
{
	std::this_thread::sleep_for(std::chrono::milliseconds(20));
}

我们增加一个函数 ，在里面模拟损耗时间20毫秒，再次执行

void real_taketime2()
{
	std::this_thread::sleep_for(std::chrono::milliseconds(20));
}
int main(int argc, char* argv[])
{
	int64_t tmp;
	clock_t t1 = clock();
	TicToc tt;
	for (int i = 0; i < 100; i++)
		real_taketime2();
	clock_t t2 = clock();

	double c = tt.toc();
	//cout << tmp << endl;
	std::cout << "Serial time: " << t2-t1<< std::endl;
	std::cout << "Serial time: " << c << std::endl;


	t1 = clock();
	tt.tic();
#pragma omp parallel 
	{
		#pragma omp for
		for (int i = 0; i < 100; i++)
			real_taketime2();
	}
	t2 = clock();
	c = tt.toc();
	//cout << tmp << endl;
	std::cout << "Parallel time: " <<t2-t1<< std::endl;
	std::cout << "Parallel time: " << c << std::endl;

	return 0;
}

可以看出，for循环失去了release版本的优惠，无法优化，本来2秒的操作编程了3秒多，而openmp 行为因为真实的耗时操作，使用了多cpu并发，时间消耗优化了几倍。

其他openmp 函数

返回当前可用的处理器个数
int omp_get_num_procs(void)

返回当前并行区域中的活动线程个数
int omp_get_num_threads(void)

返回当前的线程号
int omp_get_thread_num(void)

设置要创建的并行线程个数
int omp_set_num_threads(void)

现在我们限制并发为2：

	omp_set_num_threads(2);
	t1 = clock();
	tt.tic();
#pragma omp parallel 
	{
		#pragma omp for
		for (int i = 0; i < 100; i++)
			real_taketime2();
	}
	t2 = clock();

现在并发核数为2，并发时间基本就是串行的一半，结论应该有了吧。我们真正要使用openmp，一定时要用在真正耗时的操作上，避免和release 编译优化混淆，否则得不偿失。