如何并行生成随机数？
我想使用openMP并行生成伪随机数，如下所示：
int i; #pragma omp parallel for for (i=0;i<100;i++) { printf("%d %d %d\n",i,omp_get_thread_num(),rand()); } return 0; 我已经在Windows上测试了它并且我获得了巨大的加速，但是每个线程生成了完全相同的数字。 我已经在Linux上测试了它并且我得到了巨大的减速，8核处理器上的并行版本比顺序慢了大约10倍，但每个线程生成了不同的数字。
有没有办法同时加速和不同的数字？
编辑27.11.2010
我想我已经用Jonathan Dursi的post解决了这个问题。 似乎下面的代码在linux和windows上运行得很快。 数字也是伪随机的。 你怎么看待这件事？
int seed[10]; int main(int argc, char **argv) { int i,s; for (i=0;i<10;i++) seed[i] = rand(); #pragma omp parallel private(s) { s = seed[omp_get_thread_num()]; #pragma omp for for (i=0;i<1000;i++) { printf("%d %d %d\n",i,omp_get_thread_num(),s); s=(s*17931+7391); // those numbers should be choosen more carefully } seed[omp_get_thread_num()] = s; } return 0; }
PS。：我还没有接受任何答案，因为我需要确定这个想法是好的。
我将在这里发布我发布到并发随机数生成的内容 ：
我想你正在寻找rand_r（），它明确地将当前的RNG状态作为参数。 然后每个线程都应该拥有它自己的种子数据副本（无论你是希望每个线程都以相同的种子开始，还是不同的线程取决于你正在做什么，这里你希望它们不同，或者你得到同一行一次又一次）。 这里有一些关于rand_r（）和线程安全的讨论：rand_r 是否真的是线程安全的？ 。
所以说你希望每个线程的种子都以其线程编号开始（这可能不是你想要的，因为每次使用相同数量的线程运行时它会产生相同的结果，但仅作为示例）：
#pragma omp parallel default(none) { int i; unsigned int myseed = omp_get_thread_num(); #pragma omp for for(i=0; i<100; i++) printf("%d %d %d\n",i,omp_get_thread_num(),rand_r(&myseed)); }
编辑 ：只是在云雀上，检查以上是否会获得任何加速。 完整的代码是
#define NRANDS 1000000 int main(int argc, char **argv) { struct timeval t; int a[NRANDS]; tick(&t); #pragma omp parallel default(none) shared(a) { int i; unsigned int myseed = omp_get_thread_num(); #pragma omp for for(i=0; i
其中tick和tock只是gettimeofday()包装器，而tock（）以秒为单位返回差异。 打印Sum只是为了确保没有任何优化，并展示一个小点; 你会得到不同数量的线程，因为每个线程都有自己的threadnum作为种子; 如果您使用相同数量的线程一次又一次地运行相同的代码，则会得到相同的总和，原因相同。 无论如何，计时（在没有其他用户的8核nehalem盒子上运行）：
$ export OMP_NUM_THREADS=1 $ ./rand Time = 0.008639, sum = 1074808568711883.000000 $ export OMP_NUM_THREADS=2 $ ./rand Time = 0.006274, sum = 1074093295878604.000000 $ export OMP_NUM_THREADS=4 $ ./rand Time = 0.005335, sum = 1073422298606608.000000 $ export OMP_NUM_THREADS=8 $ ./rand Time = 0.004163, sum = 1073971133482410.000000
所以加速，如果不是很好; 正如@ruslik所指出的，这不是一个计算密集型的过程，而其他问题如内存带宽也开始发挥作用。 因此，在8个核心上只有2倍加速的阴影。
您不能使用多个线程中的C rand()函数; 这会导致未定义的行为。 一些实现可能会给你锁定（这将使它变慢）; 其他人可能允许线程破坏彼此的状态，可能会导致程序崩溃或只是给出“坏”的随机数。
要解决此问题，请编写自己的PRNG实现或使用允许调用者存储并将状态传递给PRNG迭代器函数的现有实现。
获取每个线程根据其线程ID设置不同的种子，例如srand(omp_get_thread_num() * 1000) ;
似乎rand在Linux上的所有线程与Windows上的线程本地存储状态之间具有全局共享状态。 由于必要的同步，Linux上的共享状态导致您的速度减慢。
我不认为在C库中有一种可移植的方式在多个线程上使用RNG并行，所以你需要另一个。 你可以使用Mersenne Twister 。 正如marcog所说，你需要以不同方式初始化每个线程的种子。
在linux / unix上你可以使用
long jrand48(unsigned short xsubi[3]);
其中xsubi [3]编码随机数生成器的状态，如下所示：
#include #include #include int main() { unsigned short *xsub; #pragma omp parallel private(xsub) { xsub = new unsigned short[3]; xsub[0]=xsub[1]=xsub[2]= 3+omp_get_thread_num(); int j; #pragma omp for for(j=0;j<10;j++) printf("%d [%d] %ld\n", j, omp_get_thread_num(), jrand48(xsub)); } }
编译
g++-mp-4.4 -Wall -Wextra -O2 -march=native -fopenmp -D_GLIBCXX_PARALLEL jrand.cc -o jrand
（将g ++ - mp-4.4替换为你需要调用g ++版本4.4或4.3的所有内容），你得到了
$ ./jrand 0 [0] 1344229389 1 [0] 1845350537 2 [0] 229759373 3 [0] 1219688060 4 [0] -553792943 5 [1] 360650087 6 [1] -404254894 7 [1] 1678400333 8 [1] 1373359290 9 [1] 171280263
即10个不同的伪随机数，没有任何互斥锁定或竞争条件。
随机数可以非常快地生成，因此通常内存将成为瓶颈。 通过在多个线程之间划分此任务，您可以创建额外的通信和同步开销（并且不同内核的高速缓存的同步并不便宜）。
使用具有更好random()函数的单个线程会更好。