c++ - C++ Intel TBB内部循环优化

我正在尝试使用Intel TBB并行化一个内部循环（第2个，共3个），但是，当内部2个循环的大小很大时，我只能得到不错的回报。

TBB是否在主循环的每次迭代中都产生新线程？
是否有减少开销的方法？

tbb::task_scheduler_init tbb_init(4); //I have 4 cores
tbb::blocked_range<size_t> blk_rng(0, crs_.y_sz, crs_.y_sz/4);
boost::chrono::system_clock::time_point start   =boost::chrono::system_clock::now();
for(unsigned i=0; i!=5000; ++i)
{
    tbb::parallel_for(blk_rng,
    [&](const tbb::blocked_range<size_t>& br)->void
    {
    :::

可能有趣的是注意到openMP（我要删除它！！）没有这个问题。

我正在编译：

英特尔ICC 12.1 at -03 -xHost -mavx

在2500k Intel（4核）上

编辑：我真的可以更改循环的顺序，因为需要根据循环结果用谓词替换循环外测试。

最佳答案

不，TBB不会为每次parallel_for的调用都产生新线程。实际上，与每个OpenMP并行区域可能各自创建一个新的线程组不同，TBB与同一个线程组一起工作，直到所有task_scheduler_init对象都被销毁为止。在隐式初始化（​​省略task_scheduler_init）的情况下，将使用相同的工作线程，直到程序结束。

因此，性能问题是由其他原因引起的。根据我的经验，最可能的原因是：


缺少编译器优化，首先是自动矢量化（可以通过比较OpenMP和TBB的单线程性能来检查；如果TBB慢得多，则这是最可能的原因）。
缓存未命中；如果您要运行5000次相同的数据，则缓存的位置非常重要，OpenMP的默认schedule(static)效果很好，每次确定性地重复完全相同的分区，而TBB的工作偷窃调度程序具有很大的随机性。将blocked_range粒度设置为problem_size / num_threads可以确保每个线程完成一件工作，但不能保证碎片的分配相同。而affinity_partitioner应该可以帮助您。

关于c++ - C++ Intel TBB内部循环优化，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/9299474/