使用 Visual Studio 2013 降低 OpenMP 的性能

Posted 2023-02-22

【中文标题】使用 Visual Studio 2013 降低 OpenMP 的性能

【英文标题】：Performance decrease in OpenMP with Visual Studio 2013

【发布时间】：2015-07-15 16:57:54

【问题描述】：

我用 VisualStudio 2013 编写了一个 openmp 的基本示例，该示例是曲线下面积的计算。这是安全实现

int integral(int a, int b, int n_intervalos, int(*function)(int))

    int long_interv = (b - a) / n_intervalos;
    int suma = 0;
    for (int i = a; i < b; i+=long_interv)
    
        int h = function(i);
        suma += h * long_interv;
    
    return suma;

当我去测试这段代码时，我使用这个数据集

int intg = integral(0, 120, 120, funcion);

我想使用 OpenMP 来提高性能然后我做了以下功能

void integralParalelo(int a, int b, int n_intervalos, int(*function)(int), int *area)

    int max_threads = omp_get_max_threads();
    int thread_id = omp_get_thread_num();
    int sub_intervalo = n_intervalos / max_threads;

    int long_interv = (a + b) / n_intervalos;
    int ini = thread_id * long_interv * sub_intervalo;
    int fin = sub_intervalo * long_interv + ini;
    int suma = integral(ini, fin, sub_intervalo, function);

    #pragma omp critical
    
        (*area) = (*area) + suma;
    

我就是这样调用这个函数的

#pragma omp parallel num_threads(4)

    integralParalelo(0, 120, 120, funcion, &area);

但在测试中并行解决方案比安全解决方案要慢

secuencial：0 毫秒 并行：25 毫秒！！！！

为什么会这样？

我使用的是 Visual Studio Ultimate 2013，我的电脑是 AMD A10-5745M

【问题讨论】：

很难超过“0毫秒”;)

jajaja，这是真的，但我预计 0 毫秒

【参考方案1】：

这里可能发生了两件事。

首先，您将 OpenMP 视为不必要的 MPI。在您的情况下，您真正​​应该做的就是并行化您的 for 循环并记住为您的 suma 变量执行归约。您自己调用 OpenMP 例程并拆分域的方式在我看来更像是 MPI 代码。

其次，您正在处理的数据集太小。您真正需要做的是在串行代码中花费 60 多秒时对此进行测试，然后将时间与使用 4 个处理器的 OpenMP 运行进行比较。请记住，创建线程团队需要时间，如果每个线程只做很少的工作，那么您的大部分时间将花在启动上。

因为你在 for 循环中做的实际工作很少，我怀疑你不会在 4 个内核上获得超过 2-3 倍的性能。

我建议这样做：

int integralParallel(int a, int b, int n_intervalos, int(*function)(int))

    int long_interv = (b - a) / n_intervalos;
    int suma = 0;
    #pragma omp parallel for default(shared) reduction(+:suma)
    for (int i = a; i < b; i+=long_interv)
    
        int h = function(i);
        suma += h * long_interv;
    
    return suma;

并像调用序列号一样调用它。如果您愿意，请指定 num_threads(4)，但只要 OpenMP 支持您的 4 个内核，就没有必要这样做。

【讨论】：

当我增加数据集时，并行程序胜过 secuencial，但我有另一个例子（mergesort 问题），在 Visual Studio 中我做什么并不重要，secuencial 比并行好，但是当我在 linux 中用 eclipse 而不是 windows 用 Visual Studio 运行程序，并行胜过有人告诉我的 secuencial，这是因为 Visual Studio 不使用真机的内核，但我在任何网站都找不到这种解释。

Mergesort 是一种非常不同的算法，由于其递归性质，它不太适合 OpenMP。您可以使用 OpenMP 任务执行此操作，但它的性能不会是最佳的。同样，正如我在回答中所说，如果每个线程只做很少的工作，那么您永远不会获得出色的性能，因为与实际计算相比，线程初始化/控制花费了太多时间。

好吧，如果每个线程都没有足够的工作，我无法注意到差异，但是，当我使用 Linux 而不是 Windows 时，我可以注意到差异，使用相同的数据集差异这个操作系统之间的性能是巨大的。