代码之家 › 专栏 › 技术社区 › Michael

openmp并行循环的输出容器

openmp parallel-processing

0

Michael · 技术社区 · 7 年前

收集输出容器时,哪个临界截面样式更好?

// Insert into the output container one object at a time.
vector<float> output;
#pragma omp parallel for
for(int i=0; i<1000000; ++i)
{
    float value = // compute something complicated
    #pragma omp critical
    {
        output.push_back(value);
    }
}

// Insert object into per-thread container; later aggregate those containers.
vector<float> output;
#pragma omp parallel
{
    vector<float> per_thread;
    #pragma omp for
    for(int i=0; i<1000000; ++i)
    {
        float value = // compute something complicated
        per_thread.push_back(value);
    }
    #pragma omp critical
    {
        output.insert(output.end(), per_thread.begin(), per_thread.end());
    }
}

// Insert into the output container one object at a time.
vector<float> output;
#pragma omp parallel for
for(int i=0; i<1000000; ++i)
{
    int k = // compute number of items
    for( int j=0; j<k; ++j)
    {
        float value = // compute something complicated
        #pragma omp critical
        {
            output.push_back(value);
        }
    }
}

// Insert object into per-thread container; later aggregate those containers.
vector<float> output;
#pragma omp parallel
{
    vector<float> per_thread;
    #pragma omp for
    for(int i=0; i<1000000; ++i)
    {
        int k = // compute number of items
        for( int j=0; j<k; ++j)
        {
            float value = // compute something complicated
            per_thread.push_back(value);
        }
    }
    #pragma omp critical
    {
        output.insert(output.end(), per_thread.begin(), per_thread.end());
    }
}

1 回复 | 直到 7 年前

1

Zulan 7 年前

如果每次并行迭代都只插入一项,那么正确的方法是:

std::vector<float> output(1000000);
#pragma omp parallel for
for(int i=0; i<1000000; ++i)
{
    float value = // compute something complicated
    output[i] = value;
}

指定的不同元素是线程安全的 std::vector (这是有保证的,因为 i 是不同的)。在这种情况下,没有明显的虚假分享。

如果您没有在每个并行迭代中插入一个项目,那么两个版本基本上都是正确的。

您的第一个版本使用 critical 在循环中可能会非常慢-请注意,如果计算非常慢,则总体上可能仍然很好。