c++ - 使用条件内循环的 OpenMP 调度是否仍然有效？

Question

目前，在我代码的某个深处，我正在使用嵌套的 for 循环(N1=~10000，N2 = ~500，x，y= 10-50)。我使用了 #pragma omp，让 OpenMP 将我的计算分布在多个内核上。

#pragma omp parallel for
for (int i = 0; i < N1; ++i)
{
    for (int j = 0; j < N2; ++j)
    {
        for (int k = x; k <= y; ++k)
        {
            // calculation
        }
    }
}

现在，我的两个内循环变成有条件的

#pragma omp parallel for
for (int i = 0; i < N1; ++i)
{
    if (toExecute[i])
    {
        for (int j = 0; j < N2; ++j)
        {
            for (int k = x; k <= y; ++k)
            {
                // calculation
            }
        }
    }
}

内部嵌套循环要么花费很长时间，要么立即完成。当然，我可以通过用更短的循环替换外循环和 if 语句来省略 if 语句，并为以后的索引查找。

我的问题是:OpenMP 是否足够智能以处理外循环中的 if 语句，还是我必须手动执行某些操作？

如果重要的话，我目前在 Visual Studio 2017 中使用 C++(我认为 OpenMP 版本有点落后)。

Answer 1

理想情况下，您应该让 OpenMP 为您处理。但一如既往，当你在做性能方面的事情时，你必须尝试找出最适合你的东西。事实上，您可以通过手动执行操作来获得极大的加速。 OpenMP 不是无所不知的，他不知道你计算的所有细节和智能。

如果您的计算意味着任何迭代的工作量相同，那么您的条件可能会导致最外层循环的一些不同工作负载。所以理论上，动态调度应该更合适#pragma omp parallel for schedule(dynamic)

您也可以尝试 static 或 guided 调度，这可能适合您的计算(我不知道您的计算细节，所以我不能说)并使用粒度 block 。

另一个要做的测试，如果你负担得起(即它是可并行化的吗？)，你应该尝试在内部循环中移动并行化。您甚至可以嵌套并行化，它有时会提供很好的加速。一步一步地尝试和调整，花点时间看看什么能给你最好的输出。只是提醒您，这些调整通常在不同的架构中并不通用，因此要在性能和代码可重用性之间取得良好的权衡。