openmp理解與實踐常見問題解決

openmp理解與實踐–常見問題解決

平行計算已經有些年沒有碰過了。以前做cfd時，利用網格的分塊考慮任務並行，所以主要利用mpi實現。

其實在cfd中mpi並行的確是比較適合，各個程序間維護自己的記憶體空間，利用有限的通訊來實現互動，這是一種能夠很自然理解的模型。

最近實現乙個撲克贏率計算的小工具，在6人情況下，5個對手，當給出公共牌時，如果採用列舉遍歷計算，

需要迴圈：

binomial(45,2)*binomial(43,2)*binomial(41,2)*binomial(39,2)*binomial(37,2)

這樣乙個實現串型程式可能需要計算好幾天，於是在想能否利用並行來進行加速。然而由於這個任務中的迴圈是強耦合在一起的，很難採用某種方式進行任務劃分，所以利用mpi來實現多個程序的平行計算可能並不是非常合適，於是想能不能利用其它方式來實現，於是又想起openmp來，儘管我以前沒有用過，但還有點映象，所以學習著來用。

顯然openmp對於一定程式設計基礎的人來說，似乎實現起來應該是很簡單的事情。

我也是這麼自認為算是能程式設計的，所以在csdn上收了幾個帖子來看，的確不是非常複雜的。

做個簡單例子，加上標頭檔案，加上執行緒並行編譯標識語句，編譯執行，的確ok了。

但搬到贏率計算程式上，麻煩就來了，計算結果跟序列的不一致。怎麼辦？

我還是根據當前的理解快點解決掉問題，再看多幾個帖子，看看別人的介紹和示例，然後再去嘗試，

也用各種簡單示例來實踐，搞了將近一天還是存在問題。我想還是不能太偷懶，有時真的勻速則不達，還是老老實實去openmp官網，進行系統學習一下吧，不然靠示例是很難解決問題的，而且有的示例的實現與其解釋是不對應的，有些概念的解釋也是含混不清的。顯然有些帖子是沒有深入的理解openmp，也沒有說到點上，這些就不談了。

我相信問題的關鍵在於自身對於openmp的理解，所以我在官網上下來幾個tutorial來看，的確在循序漸進的講解下，我應該是悟了。

不講openmp的深層次原理，我總結openmp的理解如下：

利用openmp並行是執行緒的並行（執行緒包含在程序內，乙個程序可以有多個程序。多個程序的並行可以把cpu的多個核用起來，多個執行緒的並行也可以

將cpu的多個核用起來）

openmp是共享記憶體的，也就是說沒有特別指定為執行緒私有的，所有的程式的東西都是共享的（而基於mpi的多程序並行，則是程序私有的，各個程序間不共享資料空間）。（這一點是解決問題的關鍵，特別是使用陣列遇到一些稀奇的事情時，比如增加一句輸出導致結果正確，而注釋掉後結果由出錯了。這個方面的錯誤大多與陣列記憶體使用相關，在c、c++中常見，fortran也有。）

從「#pragma omp parallel」開始程式進入並行區域，並行區域如果用{}包圍，那麼並行的**就是包含在其中的內容，如果使用「#pragma omp parallel for」只針對for迴圈，那麼並行的區域僅包含僅跟該標記的for迴圈的內部**。在並行**中如果使用「#pragma omp single」標記其後的一行**或者用{}包圍的**，則表示這些**僅在乙個執行緒中執行，這個執行緒不一定是主線程。

巢狀的在內部的迴圈一般不會自動並行化，而會採用序列執行。出發使用nested命令，我沒有深入嘗試，如有需要可以去了解。

openmp還有很多更複雜的機制，但我暫時用不到了，所以也沒有深入去學習，有需要的可以去了解。

先看乙個簡單的序列**，我們主要是要對其中的三重迴圈進行並行優化，注意到最內層的迴圈與其他層是沒有關係的，而第二層的遍歷遍歷k是與第一層的遍歷變數j相關的。其計算輸出的sumc結果為55。

#include #include #include #include int main(int argc, const char * ar**) 
sumb+=k;
}		sumc+=sumb;	}	
end = clock();
std::cout<<"sumc="《要進行並行化，最簡單的方式是採用「#pragma omp parallel for」標記，並使用規約來進行全域性變數的更新，比如：
注意其中的兩處修改：
#include#pragma omp parallel for reduction(+:sumc)
具體的作用前面已經解釋過。
由於採用g++編譯，所以命令加上選項 -fopenmp，比如：
g++ test-p.cpp -o testpa5.exe -fopenmp -o3
在使用g++編譯情況下，這一並行的**比前面的序列**執行還要慢一些，如果使用編譯優化選項-o3，可能差異更明顯可見，所以有時候並行並非一定會帶來效率的提公升，要看具體的問題來處理。
#include #include #include #include #include int main(int argc, const char * ar**) 

sumb+=k;
}		sumc+=sumb;
//printf("sumc=%d thread id=%d %d\n",sumc,omp_get_thread_num(),j);
}	end = clock();
std::cout<<"sumc="《第二種方式是不使用自動的並行，而自己來設計並行，如下面的**所示
注意其中的修改：
#define max_threads 4主動定義執行緒的總數
omp_set_num_threads(max_threads);主動設定執行緒組，使並行區域根據這個設定執行，就是在未修改執行緒組前，後面的並行區域都按照最大執行緒數max_threads進行執行。
#pragma omp parallel private(j,tid)設定並行區域，後面跟著**進入並行，並使用private指定了各執行緒需要維護副本的變數j，tid。
其實更好的處理是不使用全域性的j和tid，而使用臨時的j和tid，即在並行區域**中定義這兩個變數。
tid = omp_get_thread_num()各執行緒將其id賦值給tid，用於後面的並行任務分配。
for(j=tid;j<7;j+=max_threads)設計分配各個執行緒執行的**，顯然因為這樣的設定，各個執行緒執行的任務就給定了。
對於執行緒0，那麼執行的j迴圈包含j=0，j=4。
對於執行緒1，那麼執行的j迴圈包含j=1，j=5。
對於執行緒2，那麼執行的j迴圈包含j=2，j=6。
對於執行緒3，那麼執行的j迴圈包含j=3。
全域性更新的變數sumc，在不使用#pragma omp critical或#pragma omp atomic時也沒有出錯，但最好還是用一下。
#include #include #include #include #include int main(int argc, const char * ar**) 

sumb+=k;
}//printf("sumb=%d thread id=%d\n",sumb,omp_get_thread_num());
//#pragma omp critical
//#pragma omp atomic
sumc+=sumb;
}	//printf("sumc=%d thread id=%d\n",sumc,omp_get_thread_num());
}	end = clock();
std::cout<<"sumc="《下面再來看乙個例子，迴圈的建立不同數量的執行緒組進行平行計算：
其中建立了6個執行緒組進行比較，分別使用1/2/3/4/5/6個執行緒進行計算。
#include #include #include #include #include int main(int argc, const char * ar**) 
sumb+=k;
}//printf("sumb=%d thread id=%d %d\n",sumb,omp_get_thread_num(),j1);
#pragma omp atomic
sumc+=sumb;
}#pragma omp single
printf("\n");
for  ( k=0; k < 11; k++)
printf("\n");
#pragma omp parallel for
for ( k=0; k < 11; k++)
printf("\n");
for  ( k=0; k < 11; k++)
printf("\n");
return 0; 
}

針對直接的需求問題，在學習基礎上給出了openmp的理解，並進行了**實踐，應該說解決了openmp的初步使用問題。

因為沒有需求的原因，也沒有繼續深入下去應用更為複雜的功能。簡單其實也是我追求的，盡可能使用一些簡單的東西，對於後期的理解來說是更有好處的，因為很有可能用完這段之後很久都不會再用了，發出來下來當做記錄吧。

參考：hands-on introduction to openmp, mattson and meadows, from sc08 (austin)

其它一些csdn不少文章，也瀏覽過，沒有一一記錄下來，有興趣自行搜尋。

openmp理解與實踐常見問題解決

RabbitMQ 實踐經驗與常見問題

常見問題朗動常見問題

kafka原理理解常見問題

openmp理解與實踐 常見問題解決

RabbitMQ 實踐經驗與常見問題

常見問題 朗動常見問題

kafka原理理解常見問題

相關推薦

openmp理解與實踐常見問題解決

常見問題朗動常見問題