python - DFS 的 Cython 并行化竞争条件

Question

我正在尝试开发一种人工智能来最佳地玩单人棋盘游戏。我正在使用深度优先搜索到几个级别。

我试图通过多线程迭代所有 Action 并递归到游戏树中的初始循环来加速它。我的想法是每个线程将初始可能的移动板分成 block ，并在单独的递归函数中进一步评估这些 block 。所有调用的函数都是nogil
但是，我遇到了我只能猜测的竞争条件，因为多线程解决方案给出了不同的结果，我不知道如何修复它。

cdef struct Move:
   int x
   int y
   int score

cdef Move search( board_t& board, int prevClears, int maxDepth, int depth ) nogil:
   cdef Move bestMove
   cdef Move recursiveMove
   cdef vector[ Move ] moves = generateMoves( board )
   cdef board_t nextBoard
   cdef int i, clears

   bestMove.score = 0

   # Split the initial possible move boards amongst threads
   for i in prange( <int> moves.size(), nogil = True ):
      # Applies move and calculates the move score
      nextBoard = applyMove( board, moves[ i ], prevClears, maxDepth, depth )

      # Recursively evaluate further moves
      if maxDepth - depth > 0:
         clears = countClears( nextBoard )
         recursiveMove = recursiveSearch( nextBoard, moves[ i ], clears, maxDepth, depth + 1 )
         moves[ i ].score += recursiveMove.score

      # Update bestMove
      if moves[ i ].score > bestMove.score:
         bestMove = moves[ i ]

   return bestMove

Answer 1

当 prange 时，Cython 做了一些魔术，这取决于微妙的事情涉及到 - 所以真的必须查看生成的 C 代码才能了解发生了什么。

据我所见，您的代码至少有两个问题。

1.问题: bestMove未初始化。

%%cython -+
cdef struct Move:
   ...

def foo()
   cdef Move bestMove
   return bestMove

将产生以下 C 代码:

...
struct __pyx_t_XXX_Move __pyx_v_bestMove;
...
__pyx_r = __pyx_convert__to_py_struct____pyx_t_XXX_Move(__pyx_v_bestMove); if ...
return __pyx_r;

局部变量 __pyx_v_bestMove将保持未初始化状态(参见例如这个 SO-post )，即使很可能初始值将仅由零组成。

是 bestMove例如一个 int，Cython 会发出警告，但它不适用于结构。

2.问题:分配 bestMove导致赛车状况。

顺便说一句，结果可能不仅不是最好的移动，甚至是非法移动，因为它可能是其他指定合法移动的组合( x -、 y -、 score - 来自不同合法移动的值)移动。

这是该问题的较小复制器:

%%cython -c=-fopenmp --link-args=-fopenmp
# cython
cimport cython
from cython.parallel import prange

cdef struct A:
    double a

@cython.boundscheck(False)
def search_max(double[::1] vals):
    cdef A max_val = [-1.0] # initialized!
    cdef int i
    cdef int n = len(vals)
    for i in prange(n, nogil=True):
        if(vals[i]>max_val.a):
            max_val.a = vals[i]
    return max_val.a

是 max_val一个 cdef double Cython 不会构建它，因为它会尝试制作 max_val私有(private)的(微妙的魔法)。但是现在， max_val在线程之间共享(参见生成的 C 代码)，并且应该保护对它的访问。如果没有，我们可以看到(可能需要多次运行才能触发竞争条件)结果:

>>> import numpy as np
>>> a = np.random.rand(1000)
>>> search_max(a)-search_max(a)
#0.0006253360398751351 but should be 0.0

可以做什么？正如@DavidW 所建议的那样，我们可以收集每个线程的最大值，然后在后处理步骤中找到绝对最大值 - 请参阅此 SO-post ， 这导致:

%%cython -+ -c=-fopenmp --link-args=-fopenmp

cimport cython
from cython.parallel import prange, threadid
from libcpp.vector cimport vector
cimport openmp

cdef struct A:
    double a

@cython.boundscheck(False)
def search_max(double[::1] vals):
    cdef int i, tid
    cdef int n = len(vals)
    cdef vector[A] max_vals
    # every thread gets its own max value:
    NUM_THREADS = 4
    max_vals.resize(NUM_THREADS, [-1.0])
    for i in prange(n, nogil=True, num_threads = NUM_THREADS):
        tid = threadid()
        if(vals[i]>max_vals[tid].a):
            max_vals[tid].a = vals[i]

    #post process, collect results of threads:
    cdef double res = -1.0
    for i in range(NUM_THREADS):
        if max_vals[i].a>res:
            res = max_vals[i].a

    return res

我认为将 openmp 功能与 C/C++ 一起使用并使用 Cython 包装生成的代码更容易且更不容易出错: Cython 不仅没有 support everything what openmp offers ，但是在查看简单的 C 代码时，发现并行代码中的问题已经够难了，而 Cython 没有任何隐含的魔法。