Openmp基本并行化
我已经陷入了使用OpenMP编写一些并行c代码以进行并发过程的困难。
这是一个片段
#include #include #include #define FALSE 0 #define TRUE 1 int count_primes_0(int); int count_primes_1(int); int count_primes_2(int); int main(int argc, char *argv[]){ int n; if (argc != 2){ printf("Incorrect Invocation, use: \nq1 N"); return 0; } else { n = atoi(argv[1]); } if (n < 0){ printf("N cannot be negative"); return 0; } printf("N = %d\n", n); //omp_set_num_threads(1); time_it(count_primes_0, n, "Method 0"); time_it(count_primes_1, n, "Method 1"); time_it(count_primes_2, n, "Method 2"); return 0; } int is_prime(int n){ for(int i = 2; i 1; } void time_it( int (*f)(int), int n, char *string){ clock_t start_clock; clock_t end_clock; double calc_time; int nprimes; struct timeval start_val; struct timeval end_val; start_clock = clock(); nprimes = (*f)(n); end_clock = clock(); calc_time = ((double)end_clock - (double)start_clock) / CLOCKS_PER_SEC; printf("\tNumber of primes: %d \t Time taken: %fs\n\n", nprimes, calc_time); } // METHOD 0 // Base Case no parallelization int count_primes_0(int n){ int nprimes = 0; for(int i = 1; i <= n; i++){ if (is_prime(i)) { nprimes++; } } return nprimes; } //METHOD 1 // Use only For and Critical Constructs int count_primes_1(int n){ int nprimes = 0; #pragma omp parallel for for(int i = 1; i <= n; i++){ if (is_prime(i)) { #pragma omp critical nprimes++; } } return nprimes; } //METHOD 2 // Use Reduction int count_primes_2(int n){ int nprimes = 0; #pragma omp parallel for reduction(+:nprimes) for(int i = 1; i <= n; i++){ if (is_prime(i)) { nprimes++; } } return nprimes; } 我面临的问题是，当我使用omp_set_num_threads（）时，我使用的线程越少，我的函数运行得越快 – 或者更接近基本非并行化案例的运行时
时间结果：这些是在8核机器上运行的
8个线程：方法0：0.07s; 方法1：1.63s; 方法2：1.4s
4个线程：方法0：0.07s; 方法1：0.16s; 方法2：0.16s
2个线程：方法0：0.07s; 方法1：0.10; 方法2：0.09
1个线程：方法0：0.07s; 方法1：0.08s; 方法2：0.07s
我尝试过禁用优化并使用不同的gcc版本没有区别
任何帮助表示赞赏。
编辑：在Linux中使用时钟返回“错误”时间，挂钟时间是我所需要的，因此使用ether omp_get_wtime（）或Linux函数timeit将产生正确的结果。
我很惊讶您已经看到该计划取得了任何成功，因为它在上面。 如果你看一下clock（）的RedHat Linux手册页，你会发现它“返回了程序使用的处理器时间的近似值”。 放入OpenMP指令会导致更多开销，因此在运行OpenMP时应该会看到更多的处理器总时间。 您需要注意的是经过时间（或挂钟时间）。 当你并行运行（并且你有一个可以从并行中受益的程序）时，你会看到经过的时间。 OpenMP规范定义了一个例程（omp_get_wtime（））来提供这些信息。
使用clock（）和omp_get_wtime（）将程序更改为报告：
$ a.out 1000000（1,000,000）
2个处理器：
clock（）：0.23 wtime（）：0.23 clock（）：0.96 wtime（）：0.16 clock（）：0.59 wtime（）：0.09
4个处理器：
clock（）：0.24 wtime（）：0.24 clock（）：0.97 wtime（）：0.16 clock（）：0.57 wtime（）：0.09
8个处理器：
clock（）：0.24 wtime（）：0.24 clock（）：2.60 wtime（）：0.26 clock（）：0.64 wtime（）：0.09
$ a.out 10000000（10,000,000）
2个处理器：
clock（）：6.07 wtime（）：6.07 clock（）：10.4 wtime（）：1.78 clock（）：11.3 wtime（）：1.65
4个处理器：
clock（）：6.07 wtime（）：6.07 clock（）：11.5 wtime（）：1.71 clock（）：10.7 wtime（）：1.72
8个处理器：
clock（）：6.07 wtime（）：6.07 clock（）：9.92 wtime（）：1.83 clock（）：11.9 wtime（）：1.86
除非参数是私有的，否则OpenMP不会将循环与函数调用并行化。 解决方案是在循环中内联is_prime() 。