c++ - 带有 std::vector 和带有缩减的标量变量的 OpenMP for 循环

Question

我有这个代码:

#pragma omp declare reduction(* : scalar : omp_out *= omp_in)     
scalar like=1;
vector<scalar>& bigsum;
#pragma omp parallel for // reduction(* : like)    
for (int m = 0; m < M-1; m++)
   like *= bigsum[m];

我试图获得一致的结果，但它没有(竞争条件问题)，但我应该如何解决它？因为它在代码中可见，所以我有自己的 reduction function 但它也不起作用。我应该注意标量和 std::vector 的任何技巧吗？

这里的标量变量只是通过在我创建的每个 double 上应用 log() 来覆盖 float ，因为有太多的 double 乘法和 double 乘法，并且其中几个的结果变得接近于零。例如，通过执行 log()，乘法变为加法等等。

一致答案的一个答案是:

    #pragma omp parallel
    {
       scalar loc = 1;
    #pragma omp for
       for (std::size_t m = 1; m < M;m++)
       {
          _flm[m-1] = Qratio[m-1] * k1 + k2;
          bigsum[m-1] = kappa0omegaproduct + kappa[1] * _flm[m-1];
    #pragma omp critical (reduce_product)
          {
             like *= bigsum[m-1];
          }
       }
}

这个答案是正确的，但是太慢了，在我的 8 核机器上几乎慢了 8 倍!

Answer 1

三天后我自己有了答案，并对我的发现做了解释。

我创建了自己的归约函数，如下所示:

#pragma omp declare reduction(* : scalar : omp_out *= omp_in) initializer (omp_priv (1))

诀窍是 omp_priv，显然减少值初始化很重要，这是我在 here 中学到的东西.

我通过像这样为循环应用 openmp 使代码更简单:

#pragma omp parallel for reduction (* : like)

非常简单干净。以这种新方式，代码得到并行化并且运行速度比我在问题正文中的代码运行得更快。不幸的是，它仍然比串行版本慢。也许是因为 std::vector 的使用，或者重载的算术运算很慢!？我不知道。代码太大，我无法以易于理解的方式将其复制粘贴到此处，并且不会让其他人阅读时感到头疼。