如何在openmp中并行化while while和while循环？

Question

我正在尝试使用OpenMP学习并行编程，我感兴趣的是并行化以下do while循环，其中包含几个while循环：

do {
        while(left < (length - 1) && data[left] <= pivot) left++;
        while(right > 0 && data[right] >= pivot) right--;

        /* swap elements */
        if(left < right){
            temp = data[left];
            data[left] = data[right];
            data[right] = temp;
        }

    } while(left < right);

我实际上并没有想出如何并行化while和do while循环，找不到任何资源，它专门描述了如何并行化while和do while循环。 我已经找到了指令for循环，但我不能做任何假设while并do while从循环。 那么，请你描述我如何并行化我在这里提供的循环？

编辑

我已将do while循环转换为以下代码，其中仅使用for循环。

for(i = 1; i<length-1; i++)
{
    if(data[left] > pivot)
    {
        i = length;
    }
    else
    {
        left = i;
    }

}

for(j=length-1; j > 0; j--)
{
    if(data[right] < pivot)
    {
        j = 0;
    }
    else
    {
        right = j;
    }
}

/* swap elements */
if(left < right)
{
    temp = data[left];
    data[left] = data[right];
    data[right] = temp;
}

int leftCopy = left;
int rightCopy = right;

for(int leftCopy = left; leftCopy<right;leftCopy++)
{
    for(int new_i = left; new_i<length-1; new_i++)
    {
        if(data[left] > pivot)
        {
            new_i = length;
        }
        else
        {
            left = new_i;
        }
    }

    for(int new_j=right; new_j > 0; new_j--)
    {
        if(data[right] < pivot)
        {
            new_j = 0;
        }
        else
        {
            right = new_j;
        }
    }
    leftCopy = left;
    /* swap elements */
    if(left < right)
    {
        temp = data[left];
        data[left] = data[right];
        data[right] = temp;
    }
}

此代码工作正常并产生正确的结果，但是当我尝试并行化上述代码的部分时，通过将前两个for循环更改为以下内容：

#pragma omp parallel default(none) firstprivate(left) private(i,tid) shared(length, pivot, data)
    {
#pragma omp for
        for(i = 1; i<length-1; i++)
        {
            if(data[left] > pivot)
            {
                i = length;
            }
            else
            {
                left = i;
            }
        }
    }


#pragma omp parallel default(none) firstprivate(right) private(j) shared(length, pivot, data)
    {
#pragma omp for
        for(j=length-1; j > 0; j--)
        {
            if(data[right] < pivot)
            {
                j = 0;
            }
            else
            {
                right = j;
            }
        }
    }

速度比非并行化代码差。 请帮我确定一下我的问题。

谢谢

Answer 1

首先，排序算法很难与OpenMP并行循环并行化。 这是因为循环跳闸计数不是确定性的，而是取决于每次迭代读取的输入设置值。

我不认为有data[left] <= pivot这样的循环条件会运行良好，因为OpenMP库并不确切知道如何在线程之间对迭代空间进行分区。

如果您仍然对并行排序算法感兴趣，我建议您先阅读文献，看看那些由于其可扩展性而真正值得实施的算法。 如果您只是想学习OpenMP，我建议您从更简单的算法开始，例如bucket-sort ，其中桶的数量众所周知且不经常更改。

关于您尝试并行化的示例， while OpenMP不直接支持循环，因为迭代次数（循环行程计数）不是确定性的（否则，很容易将它们转换为for循环）。 因此，不可能在线程之间分配迭代。 此外，while循环通常使用最后一次迭代的结果来检查条件。 这称为Read-after-Write或true-dependency ，无法并行化。

如果您尝试最小化omp parallel子句的数量，则可能会减轻您的减速问题。 另外，尝试将它们移出所有循环。 这些子句可以创建和连接在代码的并行部分中使用的附加线程，这是昂贵的。

您仍然可以在并行块内同步线程，因此结果类似。 事实上，默认情况下，所有线程都在omp for子句的末尾相互等待，这样就可以更容易了。

#pragma omp parallel default(none) firstprivate(right,left) private(i,j) shared(length, pivot, data)
{
    #pragma omp for
    for(i = 1; i<length-1; i++)
    {
        if(data[left] > pivot)
        {
            i = length;
        }
        else
        {
            left = i;
        }
    }

    #pragma omp for 
    for(j=length-1; j > 0; j--)
    {
        if(data[right] < pivot)
        {
            j = 0;
        }
        else
        {
            right = j;
        }
    }
} // end omp parallel