c++ - OpenMP/C++ : Parallel for loop with reduction afterwards - best practice?

Question

给定以下代码...

for (size_t i = 0; i < clusters.size(); ++i)
{
    const std::set<int>& cluster = clusters[i];
    // ... expensive calculations ...
    for (int j : cluster)
        velocity[j] += f(j); 
} 

...我想在多个 CPU/内核上运行。函数f不使用 velocity .

一个简单的#pragma omp parallel for在第一个 for 循环之前会产生不可预测的/错误的结果，因为 std::vector<T> velocity在内循环中修改。多个线程可以访问和(尝试)修改 velocity 的相同元素同时。

我认为第一个解决方案是写 #pragma omp atomic在 velocity[j] += f(j); 之前手术。这给了我一个编译错误(可能与类型为 Eigen::Vector3d 或 velocity 的元素是类成员有关)。此外，我读到原子操作非常慢与为每个线程设置一个私有(private)变量并在最后进行归约相比。这就是我想做的，我想。

我想出了这个:

#pragma omp parallel
{
    // these variables are local to each thread
    std::vector<Eigen::Vector3d> velocity_local(velocity.size());
    std::fill(velocity_local.begin(), velocity_local.end(), Eigen::Vector3d(0,0,0));

    #pragma omp for
    for (size_t i = 0; i < clusters.size(); ++i)
    {
        const std::set<int>& cluster = clusters[i];
        // ... expensive calculations ...
        for (int j : cluster)
            velocity_local[j] += f(j); // save results from the previous calculations
    } 

    // now each thread can save its results to the global variable
    #pragma omp critical
    {
        for (size_t i = 0; i < velocity_local.size(); ++i)
            velocity[i] += velocity_local[i];
    }
} 

这是一个好的解决方案吗？它是最佳解决方案吗？ (它甚至正确吗？)

进一步思考:使用 reduce子句(而不是 critical 部分)会引发编译器错误。我认为这是因为 velocity是类(class)成员。

我试图找到一个有类似问题的问题，并且this问题看起来几乎一样。但我认为我的情况可能不同，因为最后一步包括 for环形。这是否是最佳方法的问题仍然存在。

编辑: 根据评论要求:reduction子句...

    #pragma omp parallel reduction(+:velocity)
    for (omp_int i = 0; i < velocity_local.size(); ++i)
        velocity[i] += velocity_local[i];

...抛出以下错误:

错误 C3028:“ShapeMatching::velocity”:在数据共享子句中只能使用变量或静态数据成员

(与 g++ 类似的错误)

Answer 1

您正在进行数组缩减。我已经多次描述过这个(例如 reducing an array in openmp 和 fill histograms array reduction in parallel with openmp without using a critical section )。您可以在有和没有关键部分的情况下执行此操作。

您已经在关键部分(在您最近的编辑中)正确地做到了这一点，所以让我描述一下如何在没有关键部分的情况下做到这一点。

---

std::vector<Eigen::Vector3d> velocitya;
#pragma omp parallel
{
    const int nthreads = omp_get_num_threads();
    const int ithread = omp_get_thread_num();
    const int vsize = velocity.size();

    #pragma omp single
    velocitya.resize(vsize*nthreads);
    std::fill(velocitya.begin()+vsize*ithread, velocitya.begin()+vsize*(ithread+1), 
              Eigen::Vector3d(0,0,0));

    #pragma omp for schedule(static)
    for (size_t i = 0; i < clusters.size(); i++) {
        const std::set<int>& cluster = clusters[i];
        // ... expensive calculations ...
        for (int j : cluster) velocitya[ithread*vsize+j] += f(j);
    } 

    #pragma omp for schedule(static)
    for(int i=0; i<vsize; i++) {
        for(int t=0; t<nthreads; t++) {
            velocity[i] += velocitya[vsize*t + i];
        }
    }
}

由于我没有做过的错误共享，此方法需要额外的注意/调整。

至于哪种方法更好，您将不得不进行测试。