OpenMP/C++：并行 for 循环，之后减少 - 最佳实践？

Posted 2023-02-22

【中文标题】OpenMP/C++：并行 for 循环，之后减少 - 最佳实践？

【英文标题】：OpenMP/C++: Parallel for loop with reduction afterwards - best practice?

【发布时间】：2015-06-19 16:58:15

【问题描述】：

给定以下代码...

for (size_t i = 0; i < clusters.size(); ++i)

    const std::set<int>& cluster = clusters[i];
    // ... expensive calculations ...
    for (int j : cluster)
        velocity[j] += f(j); 
 

...我想在多个 CPU/内核上运行。函数f 不使用velocity。

在第一个 for 循环之前的简单 #pragma omp parallel for 将产生不可预测/错误的结果，因为 std::vector<T> velocity 在内部循环中被修改。多个线程可以同时访问和（尝试）修改velocity 的同一元素。

我认为第一个解决方案是在velocity[j] += f(j);操作之前写#pragma omp atomic。这给了我一个编译错误（可能与类型为 Eigen::Vector3d 或 velocity 的元素是类成员有关）。另外，我读到原子操作非常慢，与每个线程都有一个私有变量并最终减少。这就是我想做的，我想。

我想出了这个：

#pragma omp parallel

    // these variables are local to each thread
    std::vector<Eigen::Vector3d> velocity_local(velocity.size());
    std::fill(velocity_local.begin(), velocity_local.end(), Eigen::Vector3d(0,0,0));

    #pragma omp for
    for (size_t i = 0; i < clusters.size(); ++i)
    
        const std::set<int>& cluster = clusters[i];
        // ... expensive calculations ...
        for (int j : cluster)
            velocity_local[j] += f(j); // save results from the previous calculations
     

    // now each thread can save its results to the global variable
    #pragma omp critical
    
        for (size_t i = 0; i < velocity_local.size(); ++i)
            velocity[i] += velocity_local[i];
    
 

这是一个好的解决方案吗？这是最好的解决方案吗？ （它甚至正确吗？）

进一步的想法：使用reduce 子句（而不是critical 部分）会引发编译器错误。我认为这是因为velocity 是班级成员。

我试图找到一个类似问题的问题，和this问题看起来几乎一样。但我认为我的情况可能有所不同，因为最后一步包含for 循环。这是否是最好的方法的问题仍然存在。

编辑：根据评论请求：reduction 子句...

    #pragma omp parallel reduction(+:velocity)
    for (omp_int i = 0; i < velocity_local.size(); ++i)
        velocity[i] += velocity_local[i];

...抛出以下错误：

错误 C3028: 'ShapeMatching::velocity' : 在数据共享子句中只能使用变量或静态数据成员

（与g++类似的错误）

【问题讨论】：

使用减少错误共享代码，以便建议修复。

@Jeff 完成。 [足够的字符]

你考虑过ppl吗？编写“自我减少数据”的代码在那里很流畅，不必是原语。基本上你描述了线程加载数据是什么，以及如何组合两个线程本地数据，其余的由它来完成。

OpenMP 不知道如何减少 STL 容器。我不记得是否支持简单数组。

当您自己进行缩减时，您需要将 velocity[j] += f(j); 更改为 `velocity_local[j] += f(j);

【参考方案1】：

你正在做一个数组缩减。我已经多次描述了这一点（例如reducing an array in openmp 和fill histograms array reduction in parallel with openmp without using a critical section）。您可以使用或不使用关键部分来执行此操作。

您已经使用关键部分正确完成了此操作（在您最近的编辑中），所以让我描述如何在没有关键部分的情况下执行此操作。

---

std::vector<Eigen::Vector3d> velocitya;
#pragma omp parallel

    const int nthreads = omp_get_num_threads();
    const int ithread = omp_get_thread_num();
    const int vsize = velocity.size();

    #pragma omp single
    velocitya.resize(vsize*nthreads);
    std::fill(velocitya.begin()+vsize*ithread, velocitya.begin()+vsize*(ithread+1), 
              Eigen::Vector3d(0,0,0));

    #pragma omp for schedule(static)
    for (size_t i = 0; i < clusters.size(); i++) 
        const std::set<int>& cluster = clusters[i];
        // ... expensive calculations ...
        for (int j : cluster) velocitya[ithread*vsize+j] += f(j);
     

    #pragma omp for schedule(static)
    for(int i=0; i<vsize; i++) 
        for(int t=0; t<nthreads; t++) 
            velocity[i] += velocitya[vsize*t + i];
        
    

由于我没有做过的错误共享，此方法需要额外的注意/调整。

至于哪种方法更好，你需要测试。