使用并行编程 C++ 计算/访问向量

Posted 2023-02-21

【中文标题】使用并行编程 C++ 计算/访问向量

【英文标题】：Calculations / Accessing Vectors using Parallel Programming C++

【发布时间】：2016-11-18 17:07:49

【问题描述】：

我有一个矩阵：

std::vector<std::vector<double> >* p_mat_cache = 
    new std::vector<std::vector<double> >(3, std::vector<double>());

还有一个向量：

std::vector<double>* p_val_vec_1 = new std::vector<double>(*mpStages);

其中 'mpStages' 是一个 int 值。在某个时候，我应用了一个发生以下情况的函数：

pMatCache->at(1).push_back((*pValVec1)[j+1]);
pMatCache->at(2).push_back((*pValVec1)[j]);

(*pValVec2)[j] = fmax(*mpK - CalculateS(i, j), *mpD *(0.5 * (*pValVec1)[j+1] +
                      0.5*(*pValVec1)[j]));

pMatCache->at(0).push_back((*pValVec2)[j]);

pValVec1 和 pMatCache 对应本地名称。 pValVec2 是另一个长度为“mpStages-1”的向量。 'CalculateS' 如下：

double AbstractOptionSolver::CalculateS(int n, int i)

    return pow(*mpUp,i) * pow(*mpDown, n-i) * *mpS;

其中私有变量“*mpS”、“*mpUp”和“*mpDown”在代码执行期间不会改变。我正在尝试做的是并行运行其中的一部分，我认为可以按如下方式完成：

#pragma omp parallel

    pMatCache->at(1).push_back((*pValVec1)[j+1]);
    pMatCache->at(2).push_back((*pValVec1)[j]);

    (*pValVec2)[j] = fmax(*mpK - CalculateS(i, j), *mpD *(0.5 * (*pValVec1)[j+1] +
                          0.5*(*pValVec1)[j]));


pMatCache->at(0).push_back((*pValVec2)[j]);

但是，由于添加了“omp parallel”，即使我只有 omp 并行（仅包括推回），此代码也会不断崩溃。想知道是否有人知道为什么会这样？

我还试图进一步了解并行编程，以了解何时/何时我不能在函数中/上使用它，因为有时使某些方面并行导致此代码由于未知原因而崩溃。如果有人有任何资源可以帮助我解决这个问题，那就太好了。

【问题讨论】：

这里的比赛条件

即使我只是在矩阵@appleapple 的两个不同位置应用推回？

【参考方案1】：

首先，#pragma omp parallel 只会在此时生成一堆线程，这些线程将在作用域部分执行完全相同的操作，它不会为每个线程分配唯一的 j 或 i。您可能想查看http://bisqwit.iki.fi/story/howto/openmp/#ParallelismConditionalityClauseIf 以了解如何基于索引进行并行化。但是鉴于代码 sn-ps 很难准确说出您想要做什么。

下一个最大的问题是您将有多个线程同时调用 .push_back。您需要预先分配和分配值。

我不确定您为什么要在 std::vector 中使用指针和新语法。通常使用带有 RAII 的向量并避免新/删除调用。

【讨论】：

我已经在问题中提供了我想要做的事情，两段不同的代码显示了我在哪里以及我试图在感知上实现什么。我会看一下链接，看看它是否能让我有更好的洞察力。此外，我使用新语法是因为向量位于一个方法中，该方法是对象的一部分，可能不会被删除，但可以通过重复数千到数十万次的方法进行编辑。因此，在没有新/删除语法的情况下，我会遇到建立向量的分配错误

主要是我对 sn-p 和 #pragma omp 并行部分感到困惑。从您发布的内容来看，您似乎正在尝试并行化各个 push_back 语句，但这是行不通的。但是，如果您有线程执行更多操作并预先分配缓冲区，您应该能够整体并行化您的代码，但如果不知道您发布的 sn-ps 之外发生了什么，就无法判断。

我正在尝试并行化推回和向量计算，所有信息都是已知的，并且读/写没有重叠。它只是不起作用吗？还是有它不起作用的原因？如果我必须预先分配然后分配值，那么鉴于我不知道这个矩阵中有多少列，那么尝试并行化这部分肯定没有意义？鉴于它是具有多个交互类的大型项目的一部分，因此无法在此论坛中向您展示此功能之外发生的事情。要显示的代码量很大。

迟到的回复，但根据你写的内容，你最好的选择是使用向量保留函数。

推回不可并行化，因为它每次超过保留的堆大小时都会重新分配向量的内存。每次调用内部指针都可能发生变化，因此每个线程最终可能会得到不同的内存指针，因为 stl 容器更改通常不是线程安全的。这也是您可能会在该代码中受到性能影响的原因，每个 push_back 都会导致向量重新分配。大块使用储备将有所帮助。至于并行化，如果您没有关于新的可能列的信息，我看不到一种简单的并行化方法。

【参考方案2】：

在进行并行编程时，您必须注意“锁定数据”。此技术可防止两个（或更多）线程同时修改相同的数据，从而破坏它。

【讨论】：

并行 for 循环修改同一向量/矩阵中的数据对我有用。为什么要在此之外应用锁定？

我没有理论化，而是尝试设置锁，以检查锁定是否解决了崩溃。

会试一试。感谢您的帮助。