std::map 上的自定义 omp 减少

Posted 2023-02-22

【中文标题】std::map 上的自定义 omp 减少

【英文标题】：custom omp reduction on std::map's

【发布时间】：2019-11-25 14:31:38

【问题描述】：

所以我遇到的问题或多或少如下：

我有一组相对较大的数据，其中始终包含一对标识符和一个与之相关的值。因此，存在相对较少的不同但任意的标识符。

在 c++ 中，这可能看起来像 std::vector<std::pair<size_t, double> >。

我现在想生成一个std::map，它告诉我们每个标识符的所有值的总和，因此在本例中为std::map<size_t, double>。

所以对于

的输入

std::vector<std::pair<size_t, double>> typeDoubleVec1, 2., 3, 4., 1, 3., 3, 5., 2, 1.;

我想要一个等于：

std::map<size_t, double> result1, 5., 2, 1., 3, 9.

完成这项工作的函数如下所示。因此，第二个输入向量指定存在哪些标识符：

std::map<size_t, double> foo(const std::vector<std::pair<size_t, double>> &typeDoubleVec, const std::vector<size_t> &typeVec) 
  // create the map that contains our return values.
  std::map<size_t, double> mymap;

  // ensure that mymap contains all identifiers.
  for (auto &elem : typeVec) 
    mymap[elem];
  

  // iterate over the elements
  for (size_t i = 0; i < typeDoubleVec.size(); ++i) 
    mymap.at(typeDoubleVec[i].first) += typeDoubleVec[i].second;
  
  return mymap;

有谁知道如何使用 OpenMP 加快速度？我认为这种工作方式是您需要自定义 OpenMP 缩减？

【问题讨论】：

如果这不是一个实际问题，那么也许它不是......一个问题。您可以将其发布为答案，假设有一个可以回答的问题

更重要的是，我认为SO上已经存在一些类似的问题和答案。同样的东西写了好几次，甚至在不同的地方写得更糟，只会造成混乱。

@SteffenSeckler 仅供参考，这样做的方法是提出问题，然后自己回答。这使问题/答案可搜索，并有助于定义您要解决的问题。 （这里不清楚）。它还可以让您获得 Stack Overflow 成就lol

谢谢！我已将其拆分为 Q+A

【参考方案1】：

所以我自己找到了答案： 有两种方法可以做到这一点，一种是自定义缩减，另一种是关键部分。其中我目前推荐后者，主要是因为前者在当前的clang编译器上被破坏了（v9.0.0，修复已经在trunk/master中）。

OpenMP 并行用于自定义缩减

解决问题的第一种方法是使用 OpenMP 缩减，通常如下所示：

// this does not work for maps!
#pragma omp parallel for reduction(+: mymap)

这段代码将无法编译，因为没有为 std::map 定义内置缩减 +。

相反，我们将不得不定义我们自己的归约。快速浏览一些 OpenMP 规范 (https://www.openmp.org/spec-html/5.0/openmpsu107.html) 会发现以下用于定义自定义缩减的语法：

#pragma omp declare reduction(reduction-identifier : typename-list : 
combiner) [initializer-clause] newline

reduction-identifier：这是我们可以为自定义缩减指定的名称。 typename-list：这是定义了此缩减的类型名称列表。对我们来说这是std::map<size_t, double> combiner：这是表达式，进行实际的归约。它将omp_in 和omp_out 作为输入，并将组合结果存储在omp_out 中。对于简单的+ 缩减，这是omp_out += omp_in。 initializer-clause：这是一个可选表达式，其格式应为initializer(expression)。如果它缺失，则归约变量的线程本地副本默认初始化。如果 is 存在，则表达式必须具有omp_priv = function-name(argument-list) 的omp_priv = initializer 形式。它也可能使用omp_orig，它对应于归约变量的初始值。 在编译指示的末尾需要一个换行符。

在这种情况下，我们希望将两个具有相同键的映射的值相加。这可以在这样的函数中完成：

void mapAdd(std::map<size_t, double> &inout, std::map<size_t, double> &in) 
  for (auto initer = in.begin(), outiter = inout.begin(); initer != in.end(); ++initer, ++outiter) 
    outiter->second += initer->second;
  

如前所述，线程局部变量通常是默认初始化的。 但是，对于std::map，不需要默认初始化。 相反，每个线程局部变量都应该使用已经存在的映射进行初始化。 这可以在初始化程序中指定，因此我们的编译指示如下所示：

#pragma omp declare reduction(                             \
                              mapAdd :                     \
                              std::map<size_t, double> :   \
                              mapAdd(omp_out, omp_in)      \
                             )                             \
                    initializer (omp_priv=omp_orig)

它可以用于上面的omp parallel for：

#pragma omp parallel for reduction(mapAdd : mymap)
  for (size_t i = 0; i < typeDoubleVec.size(); ++i) 
    mymap.at(typeDoubleVec[i].first) += typeDoubleVec[i].second;
  

缺点

这不适用于当前的 clang 编译器。 它编译得很好，但它产生了一个分段错误，经过一番挖掘后，我发现这不是我的错，而是一个编译器错误，因为在当前的 gcc 和 intel 编译器上发现了相同的程序。

此外，当在模板函数内声明 OpenMP 缩减时，clang 编译器会出现问题（未定义引用），因为它不会实例化 OpenMP 缩减内所需的所有函数。

另请参阅以下问题：

clang：（已修复）使用自定义 openmp 缩减的段错误：https://bugs.llvm.org/show_bug.cgi?id=44134 clang：（已修复）openmp 的编译问题声明减少模板函数：https://bugs.llvm.org/show_bug.cgi?id=44133

在自定义缩减中使用 lambdas

标准中未指定在自定义 OpenMP 缩减中使用 lambda（根据 https://gcc.gnu.org/bugzilla/show_bug.cgi?id=60228）。 因此，我不建议这样做。 但是，它确实适用于当前的 intel 编译器，并且将适用于 clang 编译器的下一个版本（9.0.1 或 10）。 GCC 还不支持它（参见：https://gcc.gnu.org/bugzilla/show_bug.cgi?id=60228）。

使用临界区

避免减少需要的一种方法是在非常基本的级别上重现它们，即我们为每个线程创建一个本地副本，然后在关键部分内手动累积结果。这样做的好处是更容易阅读，但比通过自定义缩减的解决方案要慢一些，因为没有实现扇入。

采用这种方法的解决方案如下所示：

template <class vectype, class typevectype>
std::map<size_t, double> foo(const vectype &typeDoubleVec,
                             const typevectype &typevec) 
  std::map<size_t, double> mymap;

  // ensure that mymap has all elements of myvec.
  for (auto &elem : typevec) 
Does anyone know how to speed this up with OpenMP? The way I see this working is that you need a custom OpenMP reduction?
    mymap[elem];
  

#pragma omp parallel default(none) shared(typeDoubleVec, mymap)
  
    // we create a local copy of mymap for each thread!
    auto localmap = mymap;
#pragma omp for
    // iterate over the vector and add them to the local map
    for (size_t i = 0; i < typeDoubleVec.size(); ++i) 
      localmap.at(typeDoubleVec[i].first) += typeDoubleVec[i].second;
    
#pragma omp critical
    // sum up the local map to the global map using a critical section
    mapAdd(mymap, localmap);
  
  return mymap;

代码

使用自定义缩减的代码可以在https://gist.github.com/SteffenSeckler/404c214bcccf506d261264672e2b9341找到

使用https://gist.github.com/SteffenSeckler/91943b881677f3cbe7b2d7d475471ee8的临界区的代码

附言

感谢您将其拆分为 Q+A 的反馈