c++ - 在OpenMP中使用共享数据结构而不是私有(private)数据结构时的性能差异

我一直在研究OpenMP，并试图弄清楚为什么将阵列保持为共享而不是私有(private)时性能会下降。任何输入都会有所帮助。

共享阵列时，运行时间约为65毫秒，如果设为私有(private)阵列，则在Intel Xeon E5540 CPU上运行时间约为38毫秒。以下代码是在Ubuntu上使用GCC 4.4.3编译的

我不认为这是由于错误共享造成的，因为仅对数组元素执行了读取操作。

#define PI 3.14159265
#define large 1000000

double e[large];

int main() {
    int i,j,k,m;
    timeval t1,t2;

    double elapsedtime;
    omp_set_num_threads(16);
    for(i=0;i<large;i++) {
        e[i]=rand();
    }

    gettimeofday(&t1, NULL);

    #pragma omp parallel for private(i) shared(e)
//  #pragma omp parallel for private(i,e)


    for(i=0;i<large;i++) {
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
    }

    gettimeofday(&t2, NULL);
    elapsedtime = (t2.tv_sec*1000000 + t2.tv_usec) - (t1.tv_sec * 1000000 + t1.tv_usec);
    printf("%f ",elapsedtime/1000);
    return 0;
}

最佳答案

我决定摆脱全局变量。那就是您的代码，在几个地方进行了修改。

//timings.cpp
#include <sys/time.h>
#include <cstdlib>
#include <stdio.h>
#include <math.h>
#include <omp.h>
#include <unistd.h>

#define PI 3.14159265
#define large 100000

int main() {
    int i;
    timeval t1,t2;

    double elapsedtime;
    bool b=false;

    double e[large];
    double p[large];

    omp_set_num_threads(1);
    for(i=0;i<large;i++) {
        e[i]=9.0;
    }

   /* for(i=0;i<large;i++) {
       p[i]=9.0;
    }*/

     gettimeofday(&t1, NULL);
  #pragma omp parallel for firstprivate(b) private(i) shared(e)
  //#pragma omp parallel for firstprivate(b) private(e,i)
     for(i=0;i<large;i++) {
        if (!b)
        {
            printf("e[i]=%f, e address: %p, n=%d\n",e[i],&e,omp_get_thread_num());
            b=true;
        }
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
        fmodf((exp(log((sin(e[i]*PI/180)+cos((e[i]*2)*PI/180))*10))*PI),3.0);
    }

    gettimeofday(&t2, NULL);
    elapsedtime = (t2.tv_sec*1000000 + t2.tv_usec) - (t1.tv_sec * 1000000 + t1.tv_usec);
    printf("%f ",elapsedtime/1000);
    return 0;
}

我们将通过脚本“1.sh”运行它以自动测量时间，

#/bin/bash
sed -i '/parallel/ s,#,//#,g' timings.cpp
sed -i '/parallel/ s,////#,#,g' timings.cpp
g++ -O0 -fopenmp timings.cpp -o timings
> time1.txt
for loopvar in {1..10}
do
if [ "$loopvar" -eq 1 ]
then
./timings >> time1.txt;
cat time1.txt;
echo;
else
./timings | tail -1 >> time1.txt;
fi
done
echo "---------"
echo "Total time:"
echo `tail -1 time1.txt | sed s/' '/'+'/g | sed s/$/0/ | bc -li | tail -1`/`tail -1 time1.txt| wc -w | sed s/$/.0/` | bc -li | tail -1

以下是测试结果(Intel @ Core 2 Duo E8300):

1)#pragma omp为firstprivate(b)私有(private)(i)共享(e)并行

user@comp:~ ./1.sh
Total time:
152.96380000000000000000

我们有奇怪的延迟。
例如。输出:

e[i]=9.000000, e address: 0x7fffb67c6960, n=0
e[i]=9.000000, e address: 0x7fffb67c6960, n=7
e[i]=9.000000, e address: 0x7fffb67c6960, n=8
//etc..

请注意地址-所有数组都相同(因此称为共享)

2)#pragma omp为firstprivate(e，b)private(i)并行

user@comp:~ ./1.sh
Total time:
157.48220000000000000000

我们已经将数据e(firstprivate)复制到每个线程
例如。输出:

e[i]=9.000000, e address: 0x7ff93c4238e0, n=1
e[i]=9.000000, e address: 0x7ff939c1e8e0, n=6
e[i]=9.000000, e address: 0x7ff93ac208e0, n=4

3)#pragma omp为firstprivate(b)并行private(e，i)

Total time:
123.97110000000000000000

不复制数据，仅分配(未初始化使用私有(private))
例如。输出:

 e[i]=0.000000, e address: 0x7fca98bdb8e0, n=1
 e[i]=0.000000, e address: 0x7fffa2d10090, n=0
 e[i]=0.000000, e address: 0x7fca983da8e0, n=2

这里我们有不同的地址，但是所有和值都包含内存垃圾(可能是由于mmap内存页面预分配而造成的)。

要看到，由于复制数组，firstprivate(e)较慢，让我们注释掉所有计算(带有“fmodf”的行)
// #pragma omp为firstprivate(b)并行private(i)shared(e)

Total time:
9.69700000000000000000

// #pragma omp为firstprivate(e，b)private(i)并行

Total time:
12.83000000000000000000

// #pragma omp为firstprivate(b)并行private(i，e)

Total time:
9.34880000000000000000

由于复制数组，Firstprivate(e)运行缓慢。
由于计算行，shared(e)很慢。

用-O3 -ftree-vectorize编译可以稍微减少共享时间:

// #pragma omp为firstprivate(b)并行private(i)shared(e)

user@comp:~ ./1.sh
Total time:
141.38330000000000000000

// #pragma omp为firstprivate(b)并行private(e，i)

Total time:
121.80390000000000000000

使用schedule(static，256)并不能解决问题。

让我们继续打开-O0选项。
注释掉数组填充:// e [i] = 9.0;

// #pragma omp为firstprivate(b)并行private(i)shared(e)

Total time:
121.40780000000000000000

// #pragma omp为firstprivate(b)并行private(e，i)

Total time:
122.33990000000000000000

因此，“共享”的速度较慢，因为未初始化使用了“私有(private)”数据(如评论者所建议)。

让我们看看对线程号的依赖:

4threads
shared
Total time:
156.95030000000000000000
private
Total time:
121.11390000000000000000

2threads
shared
Total time:
155.96970000000000000000
private
Total time:
126.62130000000000000000

1thread (perfomance goes down ca. twice, I have 2-core machine)
shared
Total time:
283.06280000000000000000
private
Total time:
229.37680000000000000000

为了使用1.sh进行编译，我手动拆分了两个“parallel for”行，以在两者中都给出1.sh注释。

**1thread without parallel, initialized e[i]**
Total time:
281.22040000000000000000

**1thread without parallel, uninitialized e[i]**
Total time:
231.66060000000000000000

因此，这不是OpenMP问题，而是内存/缓存使用问题。
生成的asm代码

g++ -O0 -S timings.cpp

在这两种情况下都有两个区别:一个在标签LC计数中可以忽略不计，另一个是在初始化和数组时，一个标签(L3)包含的行不为1，而是5个asm行:

L3:
movl    -800060(%rbp), %eax
movslq  %eax, %rdx
movabsq $4621256167635550208, %rax
movq    %rax, -800016(%rbp,%rdx,8)

(发生初始化的位置)和公共(public)行:addl $1, -800060(%rbp)
因此，似乎是缓存问题。

那不是答案，您可以使用上面的代码来进一步研究问题，