OpenMP并行程序设计——for循环并行化详解

其他 2018-07-26 12:09:52 阅读次数: 0

转载自：http://blog.csdn.net/zhongkejingwang/article/details/40018735

    在C/C++中使用OpenMP优化代码方便又简单，代码中需要并行处理的往往是一些比较耗时的for循环，所以重点介绍一下OpenMP中for循环的应用。个人感觉只要掌握了文中讲的这些就足够了，如果想要学习OpenMP可以到网上查查资料。

    工欲善其事，必先利其器。如果还没有搭建好omp开发环境的可以看一下OpenMP并行程序设计——Eclipse开发环境的搭建

   首先，如何使一段代码并行处理呢？omp中使用parallel制导指令标识代码中的并行段，形式为：

           #pragma omp parallel

           {

             每个线程都会执行大括号里的代码

            }

比如下面这段代码：

  1. #include <iostream>
  2. #include "omp.h"
  3. using namespace std;
  4. int main(int argc, char **argv) {
  5. //设置线程数，一般设置的线程数不超过CPU核心数，这里开4个线程执行并行代码段
  6. omp_set_num_threads( 4);
  7. #pragma omp parallel
  8. {
  9. cout << "Hello" << ", I am Thread " << omp_get_thread_num() << endl;
  10. }
  11. }
omp_get_thread_num()是获取当前线程id号  

以上代码执行结果为：

Hello, I am Thread 1
Hello, I am Thread 0
Hello, I am Thread 2
Hello, I am Thread 3
可以看到，四个线程都执行了大括号里的代码，先后顺序不确定，这就是一个并行块。


带有for的制导指令：

for制导语句是将for循环分配给各个线程执行，这里要求数据不存在依赖。

 使用形式为：

（1）#pragma omp parallel for

         for()

（2）#pragma omp parallel

        {//注意：大括号必须要另起一行

         #pragma omp for

          for()

        }

注意：第二种形式中并行块里面不要再出现parallel制导指令，比如写成这样就不可以：

#pragma omp parallel

        {

         #pragma omp parallel for

          for()

        }

第一种形式作用域只是紧跟着的那个for循环，而第二种形式在整个并行块中可以出现多个for制导指令。下面结合例子程序讲解for循环并行化需要注意的地方。


  假如不使用for制导语句，而直接在for循环前使用parallel语句：（为了使输出不出现混乱，这里使用printf代替cout）

  1. #include <iostream>
  2. #include <stdio.h>
  3. #include "omp.h"
  4. using namespace std;
  5. int main(int argc, char **argv) {
  6. //设置线程数，一般设置的线程数不超过CPU核心数，这里开4个线程执行并行代码段
  7. omp_set_num_threads( 4);
  8. #pragma omp parallel
  9. for ( int i = 0; i < 2; i++)
  10. //cout << "i = " << i << ", I am Thread " << omp_get_thread_num() << endl;
  11. printf( "i = %d, I am Thread %d\n", i, omp_get_thread_num());
  12. }

输出结果为：

i = 0, I am Thread 0
i = 0, I am Thread 1
i = 1, I am Thread 0
i = 1, I am Thread 1
i = 0, I am Thread 2
i = 1, I am Thread 2
i = 0, I am Thread 3
i = 1, I am Thread 3

从输出结果可以看到，如果不使用for制导语句，则每个线程都执行整个for循环。所以，使用for制导语句将for循环拆分开来尽可能平均地分配到各个线程执行。将并行代码改成这样之后：

  1. #pragma omp parallel for
  2. for ( int i = 0; i < 6; i++)
  3. printf( "i = %d, I am Thread %d\n", i, omp_get_thread_num());
输出结果为：

  1. i = 4, I am Thread 2
  2. i = 2, I am Thread 1
  3. i = 0, I am Thread 0
  4. i = 1, I am Thread 0
  5. i = 3, I am Thread 1
  6. i = 5, I am Thread 3
可以看到线程0执行i=0和1，线程1执行i=2和3，线程2执行i=4，线程3执行i=5。线程0就是主线程

这样整个for循环被拆分并行执行了。上面的代码中parallel和for连在一块使用的，其只能作用到紧跟着的for循环，循环结束了并行块就退出了。

上面的代码可以改成这样：

  1. #pragma omp parallel
  2. {
  3. #pragma omp for
  4. for ( int i = 0; i < 6; i++)
  5. printf( "i = %d, I am Thread %d\n", i, omp_get_thread_num());
  6. }
这写法和上面效果是一样的。需要注意的问题来了：如果在parallel并行块里再出现parallel会怎么样呢？回答这个问题最好的方法就是跑一遍代码看看，所以把代码改成这样：

  1. #pragma omp parallel
  2. {
  3. #pragma omp parallel for
  4. for ( int i = 0; i < 6; i++)
  5. printf( "i = %d, I am Thread %d\n", i, omp_get_thread_num());
  6. }
输出结果：

  1. i = 0, I am Thread 0
  2. i = 0, I am Thread 0
  3. i = 1, I am Thread 0
  4. i = 1, I am Thread 0
  5. i = 2, I am Thread 0
  6. i = 2, I am Thread 0
  7. i = 3, I am Thread 0
  8. i = 3, I am Thread 0
  9. i = 4, I am Thread 0
  10. i = 4, I am Thread 0
  11. i = 5, I am Thread 0
  12. i = 5, I am Thread 0
  13. i = 0, I am Thread 0
  14. i = 1, I am Thread 0
  15. i = 0, I am Thread 0
  16. i = 2, I am Thread 0
  17. i = 1, I am Thread 0
  18. i = 3, I am Thread 0
  19. i = 2, I am Thread 0
  20. i = 4, I am Thread 0
  21. i = 3, I am Thread 0
  22. i = 5, I am Thread 0
  23. i = 4, I am Thread 0
  24. i = 5, I am Thread 0
可以看到，只有一个线程0，也就是只有主线程执行for循环，而且总共执行4次，每次都执行整个for循环！所以，这样写是不对的。


  当然，上面说的for制导语句的两种写法是有区别的，比如两个for循环之间有一些代码只能有一个线程执行，那么用第一种写法只需要这样就可以了：

  1. #pragma omp parallel for
  2. for ( int i = 0; i < 6; i++)
  3. printf( "i = %d, I am Thread %d\n", i, omp_get_thread_num());
  4. //这里是两个for循环之间的代码，将会由线程0即主线程执行
  5. printf( "I am Thread %d\n", omp_get_thread_num());
  6. #pragma omp parallel for
  7. for ( int i = 0; i < 6; i++)
  8. printf( "i = %d, I am Thread %d\n", i, omp_get_thread_num());
离开了for循环就剩主线程了，所以两个循环间的代码是由线程0执行的，输出结果如下：

  1. i = 0, I am Thread 0
  2. i = 2, I am Thread 1
  3. i = 1, I am Thread 0
  4. i = 3, I am Thread 1
  5. i = 4, I am Thread 2
  6. i = 5, I am Thread 3
  7. I am Thread 0
  8. i = 4, I am Thread 2
  9. i = 2, I am Thread 1
  10. i = 5, I am Thread 3
  11. i = 0, I am Thread 0
  12. i = 3, I am Thread 1
  13. i = 1, I am Thread 0
    但是如果用第二种写法把for循环写进parallel并行块中就需要注意了！

   由于用parallel标识的并行块中每一行代码都会被多个线程处理，所以如果想让两个for循环之间的代码由一个线程执行的话就需要在代码前用single或master制导语句标识，master由是主线程执行，single是选一个线程执行，这个到底选哪个线程不确定。所以上面代码可以写成这样：

  1. #pragma omp parallel
  2. {
  3. #pragma omp for
  4. for ( int i = 0; i < 6; i++)
  5. printf( "i = %d, I am Thread %d\n", i, omp_get_thread_num());
  6. #pragma omp master
  7. {
  8. //这里的代码由主线程执行
  9. printf( "I am Thread %d\n", omp_get_thread_num());
  10. }
  11. #pragma omp for
  12. for ( int i = 0; i < 6; i++)
  13. printf( "i = %d, I am Thread %d\n", i, omp_get_thread_num());
  14. }
效果和上面的是一样的，如果不指定让主线程执行，那么将master改成single即可。

到这里，parallel和for的用法都讲清楚了。接下来就开始讲并行处理时数据的同步问题，这是多线程编程里都会遇到的一个问题。


   为了讲解数据同步问题，先由一个例子开始：

  1. #include <iostream>
  2. #include "omp.h"
  3. using namespace std;
  4. int main(int argc, char **argv) {
  5. int n = 100000;
  6. int sum = 0;
  7. omp_set_num_threads( 4);
  8. #pragma omp parallel
  9. {
  10. #pragma omp for
  11. for ( int i = 0; i < n; i++) {
  12. {
  13. sum += 1;
  14. }
  15. }
  16. }
  17. cout << " sum = " << sum << endl;
  18. }
期望的正确结果是100000，但是这样写是错误的。看代码，由于默认情况下sum变量是每个线程共享的，所以多个线程同时对sum操作时就会因为数据同步问题导致结果不对，显然，输出结果每次都不同，这是无法预知的，如下：

  1. 第一次输出sum = 58544
  2. 第二次输出sum = 77015
  3. 第三次输出sum = 78423


   那么，怎么去解决这个数据同步问题呢？解决方法如下：

方法一：对操作共享变量的代码段做同步标识

代码修改如下：

  1. #pragma omp parallel
  2. {
  3. #pragma omp for
  4. for ( int i = 0; i < n; i++) {
  5. {
  6. #pragma omp critical
  7. sum += 1;
  8. }
  9. }
  10. }
  11. cout << " sum = " << sum << endl;
   critical制导语句标识的下一行代码，也可以是跟着一个大括号括起来的代码段做了同步处理。输出结果100000

方法二：每个线程拷贝一份sum变量，退出并行块时再把各个线程的sum相加

并行代码修改如下：

  1. #pragma omp parallel
  2. {
  3. #pragma omp for reduction(+:sum)
  4. for ( int i = 0; i < n; i++) {
  5. {
  6. sum += 1;
  7. }
  8. }
  9. }
reduction制导语句，操作是退出时将各自的sum相加存到外面的那个sum中，所以输出结果就是100000啦~~

方法三：这种方法貌似不那么优雅

代码修改如下：

  1. int n = 100000;
  2. int sum[ 4] = { 0 };
  3. omp_set_num_threads( 4);
  4. #pragma omp parallel
  5. {
  6. #pragma omp for
  7. for ( int i = 0; i < n; i++) {
  8. {
  9. sum[omp_get_thread_num()] += 1;
  10. }
  11. }
  12. }
  13. cout << " sum = " << sum[ 0] + sum[ 1] + sum[ 2] + sum[ 3] << endl;
每个线程操作的都是以各自线程id标识的数组位置，所以结果当然正确。

数据同步就讲完了，上面的代码中for循环是一个一个i平均分配给各个线程，如果想把循环一块一块分配给线程要怎么做呢？这时候用到了schedule制导语句。下面的代码演示了schedule的用法：

  1. #include <iostream>
  2. #include "omp.h"
  3. #include <stdio.h>
  4. using namespace std;
  5. int main(int argc, char **argv) {
  6. int n = 12;
  7. omp_set_num_threads( 4);
  8. #pragma omp parallel
  9. {
  10. #pragma omp for schedule(static, 3)
  11. for ( int i = 0; i < n; i++) {
  12. {
  13. printf( "i = %d, I am Thread %d\n", i, omp_get_thread_num());
  14. }
  15. }
  16. }
  17. }
上面代码中for循环并行化时将循环很多很多块，每一块大小为3，然后再平均分配给各个线程执行。

输出结果如下：

  1. i = 6, I am Thread 2
  2. i = 3, I am Thread 1
  3. i = 7, I am Thread 2
  4. i = 4, I am Thread 1
  5. i = 8, I am Thread 2
  6. i = 5, I am Thread 1
  7. i = 0, I am Thread 0
  8. i = 9, I am Thread 3
  9. i = 1, I am Thread 0
  10. i = 10, I am Thread 3
  11. i = 2, I am Thread 0
  12. i = 11, I am Thread 3
从输出结果可以看到：线程0执行i=0 1 2，线程1执行i=3 4 5，线程2执行i=6 7 8，线程3执行i=9 10 11，如果后面还有则又从线程0开始分配。


  OK，for循环并行化的知识基本讲完了，还有一个有用的制导语句barrier，用它可以在并行块中设置一个路障，必须等待所有线程到达时才能通过，这个一般在并行处理循环前后存在依赖的任务时使用到。

  是不是很简单？

猜你喜欢

转载自blog.csdn.net/xz4385478/article/details/80853971
今日推荐
国产云输入法——仅华为无云端数据上传安全问题
开源日报 | 工业开源项目OGG 1.0；姐姐，你要和我一起配置火狐吗；苹果AI遥遥落后？Fedora 40
开放签电子签章：停止新增，优化体验，前进更进（五一假期前工作）
开源日报 | 中学生开源前端动画引擎；全球首个Llama3 8B中文版开源模型；联想电脑恐出局；Linus讽刺AI炒作
“百模大战”必有一战 | 2024中国“百模大战”竞争格局分析
最强开源大模型 Llama 3 上架 Gitee AI
周排行
自媒体文章如何提高原创度以及如何检测原创度
开启qq邮箱的smtp服务
Qt程序单次启动（QSingleApplication类）
国外的外包网站
更新IDEA主题——放飞代码风格
cocos2dx 实现搓牌效果（翻牌效果），包括铺平动画
dict和json之间的互相转换
angular的一些思考
. Fibonacci数列是这样定义的： F[0] = 0 F[1] = 1 for each i ≥ 2: F[i] = F[i-1] + F[i-2] 因此，Fibonacci数列就形如：0, 1
洛谷P1064 金明的预算方案
每日归档
更多
2024-04-25(22)
2024-04-24(36)
2024-04-23(26)
2024-04-22(39)
2024-04-21(0)
2024-04-20(6)
2024-04-19(5)
2024-04-18(0)
2024-04-17(5)
2024-04-16(70)

代码天地 © 2018 codetd.com

境外服务器   最新电视剧2022