為什么OpenMP“ simd”比“ parallel for simd”具有更好的性能？

Question

我正在使用英特爾編譯器OpenMP 4.0開發Intel E5（6核，12線程）

為什么這段代碼SIMD版本比並行SIMD版本更快？

for (int suppv = 0; suppv < sSize; suppv++) {
  Value *gptr = &grid[gind];
  const Value * cptr = &C[cind];

  #pragma omp simd // vs. #pragma omp parallel for simd
  for (int suppu = 0; suppu < sSize; suppu++)
    gptr[suppu] += d * cptr[suppu];

  gind += gSize;
  cind += sSize;
}

隨着線程的增加，它變得更慢。

---

編輯1：* grid是4096 * 4096矩陣，數據結構： vector<complex<double>> * C是2112*129*129矩陣，數據結構： vector<complex<double>> * gSize = 4096 * sSize = 129。

• 編譯器標志：icpc -march = native -std = c ++ 11 -qopt-report-phase = vec -qopt-report = 3 -O2 -openmp

• 計時器：使用POSIX times（）API的返回值diff。 （它確實使用掛鍾進行並發，我做了檢查）

• E5線程1 SIMD需要：291.520000（s）

• E5線程2 for-SIMD需要：1039.220000（s）
• E5線程12 for-SIMD需要：1684.270000（s）

Answer 1

如果sSize = 129（如您在編輯中一樣），則並行化循環的開銷不會得到回報。 如果您將向我們顯示順序實現（無SIMD）和純並行實現（即對於#pragma omp parallel for但不包含SIMD）的數量，將更容易確認。

可能發生的是，即使是純並行版本也比順序版本慢。 在為最外層循環的每次迭代啟動/創建並行區域時，不僅減小了循環大小。

對於SIMD版本，此問題本質上是針對此問題而量身定制的：您具有高度可矢量化的內核，該內核太小而無法在線程之間分配。