如何在 while 循环中的嵌套 for 循环上使用 OpenMP？

Question

我最近接触了 OpenMP 和并行编程，但在正确使用它时遇到了一些问题。

我想在以下代码上实现 OpenMP 以使其运行得更快。

int m = 101;
double e = 10;

double A[m][m], B[m][m];
for (int x=0; x<m; x++){
    for (int y=0; y<m; y++){
        A[x][y] = 0;
        B[x][y] = 1;
    }
}

while (e >= 0.0001){
    for (int x=0; x<m; x++){
        for (int y=0; y<m; y++){
            A[x][y] = 0.25*(B[x][y] - 0.2);
        }
    }
    e = 0;
    for (int x=0; x<m; x++){
        for (int y=0; y<m; y++){
            e = e + abs(A[x][y] - B[x][y]);
        }
    }    
}

我想同时运行循环而不是一个接一个地运行循环以加快运行时间。 我相信以下代码应该可以工作，但我不确定我是否正确使用 OpenMP。

int m = 101;
double e = 10;

double A[m][m], B[m][m];
#pragma omp parallel for private(x,y) shared(A,B) num_threads(2)
for (int x=0; x<m; x++){
    for (int y=0; y<m; y++){
        A[x][y] = 0;
        B[x][y] = 1;
    }
}

while (e >= 0.0001){
    #pragma omp parallel for private(x,y) shared(A,B) num_threads(2)
    for (int x=0; x<m; x++){
        for (int y=0; y<m; y++){
            A[x][y] = 0.25*(B[x][y] - 0.2);
        }
    }
    // I want to wait for the above loop to finish computing before starting the next
    #pragma omp barrier  
    e = 0;
    #pragma omp parallel for private(x,y) shared(A,B,e) num_threads(2)
    for (int x=0; x<m; x++){
        for (int y=0; y<m; y++){
            e = e + abs(A[x][y] - B[x][y]);
        }
    }    
}

我是否有效且正确地使用 OpenMP？ 另外，我不确定是否可以将 OpenMP 用于我的 while 循环，因为它需要先计算内部循环，然后才能确定它是否需要再次运行。

Answer 1

假设代码有效，您可以进行以下改进：

int m = 101;
double e = 10;

double A[m][m], B[m][m];

#pragma omp parallel num_threads(2) shared(A, B)
{

    #pragma omp for
    for (int x=0; x<m; x++){
        for (int y=0; y<m; y++){
            A[x][y] = 0;
            B[x][y] = 1;
       }
    }

   while (e >= 0.0001){
    #pragma omp for
    for (int x=0; x<m; x++){
        for (int y=0; y<m; y++){
            A[x][y] = 0.25*(B[x][y] - 0.2);
        }
    }
    
    #pragma omp single
    e = 0;

    #pragma omp for reduction (+:e)
    for (int x=0; x<m; x++){
        for (int y=0; y<m; y++){
            e = e + abs(A[x][y] - B[x][y]);
        }
    }    
  }
}

无需每次都创建一个parallel region ，您可以通过仅为整个代码创建一个来改进。 此外，由于您仅使用2线程，因此负载平衡问题并不多，但是如果您要增加线程数，您可能会通过使用chunk = 1的static调度获得更好的性能。

您不需要将循环变量x和y设为private ，OpenMP 会为您完成。 在你最后的嵌套循环中，你有e = e + abs(A[x][y] - B[x][y]); 所以您可能希望线程具有添加“e”的结果，因此您应该使用reduction (+:e)来减少跨线程的变量“e”。