如何使用OpenMP并行化通过C ++ std :: list的for循环？

Question

我想使用OpenMP以并行方式遍历std :: list中的所有元素。 循环应该能够改变列表的元素。 有一个简单的解决方案吗？ 当迭代器是随机访问迭代器时，似乎OpenMP 3.0支持并行for循环，但不是其他。 无论如何，我更喜欢使用OpenMP 2.0，因为我无法完全控制哪些编译器可供我使用。

如果我的容器是矢量，我可能会使用：

#pragma omp parallel for
for (auto it = v.begin(); it != v.end(); ++it) {
    it->process();
}

我知道我可以将列表复制到矢量中，执行循环，然后将所有内容复制回来。 但是，如果可能的话，我想避免这种复杂性和开销。

Answer 1

如果您决定使用Openmp 3.0 ，则可以使用task功能：

#pragma omp parallel
#pragma omp single
{
  for(auto it = l.begin(); it != l.end(); ++it)
     #pragma omp task firstprivate(it)
       it->process();
  #pragma omp taskwait
}

这将在一个线程中执行循环，但将元素的处理委托给其他人。

没有OpenMP 3.0 ，最简单的方法是编写列表中元素的所有指针（或者向量中的迭代器并迭代那个。这样你就不必复制任何东西了，避免了复制元素本身的开销，所以它不应该有太大的开销：

std::vector<my_element*> elements; //my_element is whatever is in list
for(auto it = list.begin(); it != list.end(); ++it)
  elements.push_back(&(*it));

#pragma omp parallel shared(chunks)
{
  #pragma omp for
  for(size_t i = 0; i < elements.size(); ++i) // or use iterators in newer OpenMP
      elements[i]->process();
}

如果你想避免复制指针，你总是可以手动创建一个并行化的for循环。 您可以让线程访问列表中的交错元素（由KennyTM提出），也可以在迭代和迭代之前将范围拆分为大致相等的连续部分。 后者似乎更可取，因为线程避免访问当前由其他线程处理的列表节点（即使只有下一个指针），这可能导致错误共享。 这看起来大致如下：

#pragma omp parallel
{
  int thread_count = omp_get_num_threads();
  int thread_num   = omp_get_thread_num();
  size_t chunk_size= list.size() / thread_count;
  auto begin = list.begin();
  std::advance(begin, thread_num * chunk_size);
  auto end = begin;
  if(thread_num = thread_count - 1) // last thread iterates the remaining sequence
     end = list.end();
  else
     std::advance(end, chunk_size);
  #pragma omp barrier
  for(auto it = begin; it != end; ++it)
    it->process();
}

屏障不是严格需要的，但是如果process改变了已处理的元素（意味着它不是const方法），如果线程迭代已经被突变的序列，则可能存在某种错误共享而没有它。 这种方式将在序列上迭代3 * n次（其中n是线程数），因此对于大量线程，缩放可能不是最优的。

为了减少开销，可以将#pragma omp parallel之外的范围生成#pragma omp parallel ，但是您需要知道将形成并行部分的线程数。 因此，您可能必须手动设置num_threads ，或使用omp_get_max_threads()并处理创建的线程数小于omp_get_max_threads() （仅为上限）的情况。 最后一种方法可以通过在这种情况下分配每个线程severa块来处理（使用#pragma omp for should）：

int max_threads = omp_get_max_threads();
std::vector<std::pair<std::list<...>::iterator, std::list<...>::iterator> > chunks;
chunks.reserve(max_threads); 
size_t chunk_size= list.size() / max_threads;
auto cur_iter = list.begin();
for(int i = 0; i < max_threads - 1; ++i)
{
   auto last_iter = cur_iter;
   std::advance(cur_iter, chunk_size);
   chunks.push_back(std::make_pair(last_iter, cur_iter);
}
chunks.push_back(cur_iter, list.end();

#pragma omp parallel shared(chunks)
{
  #pragma omp for
  for(int i = 0; i < max_threads; ++i)
    for(auto it = chunks[i].first; it != chunks[i].second; ++it)
      it->process();
}

这将只在list三次迭代（两次，如果你可以获得列表的大小而不进行迭代）。 我认为这是关于非随机访问迭代器可以做的最好的事情，而不使用tasks或迭代一些不合适的数据结构（如指针向量）。

Answer 2

我怀疑这是可能的，因为你不能只是跳到列表的中间而不遍历列表。 列表不存储在连续的内存中，而std :: list迭代器不是随机访问。 它们只是双向的。

Answer 3

http://openmp.org/forum/viewtopic.php?f=3&t=51

#pragma omp parallel
{
   for(it= list1.begin(); it!= list1.end(); it++)
   {
      #pragma omp single nowait
      {
         it->compute();
      }
   } // end for
} // end ompparallel

这可以理解为展开为：

{
  it = listl.begin
  #pragma omp single nowait
  {
    it->compute();
  }
  it++;
  #pragma omp single nowait
  {
    it->compute();
  }
  it++;
...
}

给出这样的代码：

int main()                                                                      
{                                                                               
        std::vector<int> l(4,0);                                                
        #pragma omp parallel for                                                        
        for(int i=0; i<l.size(); ++i){                                          
                printf("th %d = %d \n",omp_get_thread_num(),l[i]=i);            
        }                                                                       
        printf("\n");                                                           
       #pragma omp parallel                                                            
        {                                                                       
                for (auto i = l.begin(); i != l.end(); ++i) {                   
               #pragma omp single nowait                                                       
                {                                                       
                        printf("th %d = %d \n",omp_get_thread_num(),*i);
                }                                                       
            }                                                               
        }                                                                       
        return 0;                                                               
} 

export OMP_NUM_THREADS = 4，输出如下（注意第二节，工作线程号可以重复）：

th 2 = 2 
th 1 = 1 
th 0 = 0 
th 3 = 3 

th 2 = 0 
th 1 = 1 
th 2 = 2 
th 3 = 3

Answer 4

在不使用OpenMP 3.0的情况下，您可以选择让所有线程遍历列表：

std::list<T>::iterator it;
#pragma omp parallel private(it)
{
   for(it = list1.begin(); it!= list1.end(); it++)
   {
      #pragma omp single nowait
      {
         it->compute();
      }
   } 
} 

在这种情况下，每个线程都有自己的迭代器副本（ 私有 ），但只有一个线程将访问特定元素（ 单个 ），而其他线程将前进到下一个项目（ nowait ）

或者你可以循环一次构建一个指针向量，然后在线程之间分配：

std::vector< T*> items;

items.reserve(list.size());
//put the pointers in the vector
std::transform(list.begin(), list.end(), std::back_inserter(items), 
               [](T& n){ return &n; }
);

#pragma omp parallel for
for (int i = 0; i < items.size(); i++)
{
  items[i]->compute();
}

根据您的具体情况，一个或另一个可以更快。 测试哪一个更适合你很容易。

Answer 5

这是一个允许并行插入/删除列表的新元素的解决方案。

对于具有N元素的列表，我们首先将列表切割为具有大致N/nthreads元素的nthreads列表。 在平行区域中，这可以这样做

int ithread = omp_get_thread_num();
int nthreads = omp_get_num_threads();
int t0 = (ithread+0)*N/nthreads;
int t1 = (ithread+1)*N/nthreads;

std::list<int> l2;
#pragma omp for ordered schedule(static)
for(int i=0; i<nthreads; i++) {
    #pragma omp ordered
    {
        auto it0 = l.begin(), it1 = it0;
        std::advance(it1, t1-t0);       
        l2.splice(l2.begin(), l2, it0, it1);
    }
}

其中l2是每个线程的剪切列表。

然后我们可以并行处理每个列表。 例如，我们可以像这样在列表中的每个第一个位置插入-1

auto it = l2.begin();
for(int i=(t0+4)/5; i<(t1+4)/5; i++) {
    std::advance(it, 5*i-t0);
    l2.insert(it, -1);
}

最后，在我们对列表并行操作之后，我们将每个线程的列表按顺序拼接回一个列表，如下所示：

#pragma omp for ordered schedule(static)
for(int i=0; i<nthreads; i++) {
    #pragma omp ordered
    l.splice(l.end(), l, l2.begin(), l2.end());
}

该算法基本上是。

1. 快进列表顺序制作剪切列表。
2. 在并行添加，修改或删除元素的情况下执行剪切列表。
3. 将修改后的切割列表顺序拼接在一起。

---

这是一个有效的例子

#include <algorithm>
#include <iostream>
#include <list>
#include <omp.h>

int main(void) {
  std::list<int> l;
  for(int i=0; i<22; i++) {
    l.push_back(i);
  }
  for (auto it = l.begin(); it != l.end(); ++it) {
    std::cout << *it << " ";
  } std::cout << std::endl;

  int N = l.size();
  #pragma omp parallel
  {
    int ithread = omp_get_thread_num();
    int nthreads = omp_get_num_threads();
    int t0 = (ithread+0)*N/nthreads;
    int t1 = (ithread+1)*N/nthreads;

    //cut list into nthreads lists with size=N/nthreads
    std::list<int> l2;
    #pragma omp for ordered schedule(static)
    for(int i=0; i<nthreads; i++) {
      #pragma omp ordered
      {
    auto it0 = l.begin(), it1 = it0;
    std::advance(it1, t1-t0);       
    l2.splice(l2.begin(), l2, it0, it1);
      }
    }
    //insert -1 every 5th postion
    auto it = l2.begin();
    for(int i=(t0+4)/5; i<(t1+4)/5; i++) {
      std::advance(it, 5*i-t0);
      l2.insert(it, -1);
    }

    //splice lists in order back together.
    #pragma omp for ordered schedule(static)
    for(int i=0; i<nthreads; i++) {
      #pragma omp ordered
      l.splice(l.end(), l, l2.begin(), l2.end());
    }  
  }

  for (auto it = l.begin(); it != l.end(); ++it) {
    std::cout << *it << " ";
  } std::cout << std::endl;  
}

结果

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 
-1 0 1 2 3 4 -1 5 6 7 8 9 -1 10 11 12 13 14 -1 15 16 17 18 19 -1 20 21