对于矩阵初始化，openmp比串行慢

Question

我只是在学习如何使用openmp，但是通过执行以下操作会使其变慢。 基本上，我只是试图初始化一个巨大的二维矩阵。

219     int **scoreMatrix = malloc(sizeof(int *) * (strlen(seq1)+1));
220 
221     int i,j = 0;
222     omp_set_num_threads(6);
224 #pragma omp parallel private(i,j) 
225 {
226     int std = omp_get_thread_num();
227     //Initialize matrix
228     for(i = std; i < strlen(seq1)+1; i=i+nthreads){
229         scoreMatrix[i] = malloc(sizeof(int) * (strlen(seq2)+1));
230         for(j = 0; j < strlen(seq2)+1; j++){
231             scoreMatrix[i][j] = 0;
232         }
233     }
234 }

请告诉我OpenMP中是否缺少任何重要的语法或概念。 谢谢！

Answer 1

自从我上次使用OpenMP以来已经有一段时间了，您的问题很可能归结为开销，并且每个线程完成的工作都非常小。 您需要每个线程设置执行1/6的malloc和1/6的设置为0。对于这样的问题，您应该考虑seq1和seq2的大小以及实际上并行执行的工作量。 例如，由标准malloc进行的内存分配可能是一个争用点，例如，请参阅此问题并进行更详细的分析。 如果大部分工作是由malloc完成的，因此不能在很大程度上并行执行，那么您就不会为支付线程初始化的开销而获得很大的提速。 如果确实需要它，则可以通过使用其他分配器获得改进。 将内存区域设置为0可以在线程之间进行拆分，但是与分配相比，几乎可以肯定这是非常快的。 由于在线程之间共享高速缓存行，因此在行229上设置scoreMatrix [i]可能还会有一些高速缓存一致性开销。

使用OpenMP和MPI时，请务必记住，简单地启动并行计算部分会涉及开销，因此，即使工作量很高的块，即使它们可能高度并行，也可能不值得并行化。 当您开始对数组进行计算时，您很有可能会看到好处。

通常，要将内存清零，最好的选择是记忆集，但编译器可能会优化第230和231行以执行类似的操作。

Answer 2

您最好让#mpgma #pragma omp parallel for

int **scoreMatrix = malloc(sizeof(int *) * (strlen(seq1)+1));

int i,j = 0;
omp_set_num_threads(6);

#pragma omp parallel for private(i,j) 
for(i = 0; i < strlen(seq1)+1; ++i){
    scoreMatrix[i] = malloc(sizeof(int) * (strlen(seq2)+1));
    for(j = 0; j < strlen(seq2)+1; ++j){
        scoreMatrix[i][j] = 0;
    }
}

这可能会产生影响，具体取决于openmp处理线程占用的程度。