C ++多线程给出不同的结果[重复]

Posted 2023-02-22

【中文标题】C ++多线程给出不同的结果[重复]

【英文标题】：C++ MultiThreading giving different result [duplicate]

【发布时间】：2019-10-10 08:58:35

【问题描述】：

我对 C++ 中的多线程有点陌生，我只是尝试使用 OMP 完成一些简单的 for 循环。具体来说，对于这个函数，用户指定大小的数组n 用 0 到 99（含）之间的随机整数填充。然后使用正常的for 循环计算该数组的总和一次，然后再使用#pragma omp parallel for 循环计算一次。出于某种原因，随着n 变大，函数返回不同的结果。比如n = 10，输出如下：

REGULAR FOR LOOP SUM: 1216
REGULAR FOR LOOP RUNNING TIME: 0.000003

OMP FOR LOOP SUM: 1216
OMP FOR LOOP RUNNING TIME: 0.000205

n = 100 时，输出如下：

REGULAR FOR LOOP SUM: 4946
REGULAR FOR LOOP RUNNING TIME: 0.000003

OMP FOR LOOP SUM: 3999
OMP FOR LOOP RUNNING TIME: 0.000247

这是我的REGULAR FOR LOOP 代码：

int sum = 0;
  for(int i = 0; i < n; i++) 
    sum += A[i];
  
  return(sum);

这是我的 OMP FOR LOOP 代码：

int sum = 0;
  int i;
#pragma omp parallel shared(A, n) private(i) num_threads(4)
  
    #pragma omp for
    for(i = 0; i < n; i++) 
      sum += A[i];
    
  
  return(sum);

为什么OMP FOR LOOP 为n = 100 返回不同的总和？另外，为什么OMP FOR LOOP 的运行时间大于REGULAR FOR LOOP？多线程不是为了减少运行时间吗？

【问题讨论】：

第二部分，当使用 OMP 时，您必须生成新线程，这会增加开销。仅当开销小于仅执行循环的成本时，多线程才有优势。尝试数十亿的数字，您可能会有所作为。话虽如此，通过矢量化，在您的情况下，一个简单的循环可能已经是并行的（在某种程度上）。

另外，使用您的代码，我得到了相同的答案。两者的A数组是一样的吗？

当您省略任何必需的缩减子句时

如果这个问题被称为愚蠢，它可能被改写为为什么不使用归约子句。如果您对获得性能感兴趣，那么问题会变得更加复杂。即使在循环计数为 100 时，simd 优化也可能不会获得收益，并且 omp 并行可能会失去性能。仅针对 simd 优化，具体取决于您的编译器 omp simd reduction 可能不如自动矢量化工作。

@Zulan 公认的答案确实有效。看来减少条款是必要的。

【参考方案1】：

你有sum的竞争条件：

sum += A[i];

这里有多个线程从sum 读取并从中写入一个新值。如果另一个线程基于即将被另一个线程覆盖的值进行增量，您可能会在此处丢失一些增量。

这里需要互斥锁或使用原子增量。