[英]OpenMP and C++: private variables
我對OpenMP和c ++相當陌生,也許正因為如此,我遇到了一些非常基本的問題。
我正在嘗試將所有變量都設為私有的靜態計划(以防萬一,以驗證所獲得的結果與非並行結果相同)。
當我看到諸如bodies
變量時,就會出現問題,因為它們不知道它們來自何處,因為它們以前沒有定義。
是否可以將所有出現的變量(例如bodies
)定義為private? 那怎么辦
std::vector<phys_vector> forces(bodies.size());
size_t i, j; double dist, f, alpha;
#pragma omp parallel for schedule(static) private(i, j, dist, f, alpha)
for (i=0; i<bodies.size(); ++i) {
for (j = i+1; j<bodies.size(); ++j) {
dist = distance(bodies[i], bodies[j]);
if (dist > param.min_distance()) {
f = attraction(bodies[i], bodies[j], param.gravity(), dist);
alpha = angle(bodies[i],bodies[j]);
phys_vector deltaf{ f * cos(alpha) , f * sin(alpha) };
forces[i] += deltaf;
forces[j] -= deltaf;
}
}
}
return forces;
}
PS:使用當前代碼,執行結果與非並行執行不同。
應該重申的是,您的bodies
變量不僅會隨機出現。 您應該確切地知道它的聲明位置和定義。 但是,因為你只是訪問的元素bodies
,從來沒有改變他們,這個變量應shared
無論如何,所以是不是你的問題。
您的實際問題來自於forces
變量。 您必須確保不同的線程不會更改相同j
的變量forces[j]
。 如果遵循循環的邏輯,則可以確保僅由不同的線程訪問forces[i]
,因此它們之間沒有爭用。 但是,可以通過並行i
循環的不同迭代很容易地修改相同j
forces[j]
。 您需要做的是通過遵循該StackOverflow鏈接中的答案之一來減少陣列的數量。
NoseKnowsAll已正確識別您的問題。
我想詳細解釋為什么發生此問題。 您可以使用像這樣的方形循環來完成此操作:
#pragma omp parallel for
for(int i=0; i<n; i++) {
if(i==j) continue;
phys_vector sum = 0;
for(int j=0; j<n; j++) {
//calculate deltaf
sum += deltaf;
}
forces[i] = sum;
}
它使用n*(n-1)
迭代,並且易於並行化。
但是由於force(i,j) = -force(j,i)
我們可以使用三角形循環(這是您所做的)在一半的迭代n*(n-1)/2
完成此操作:
for(int i=0; i<n; i++) {
phys_vector sum = 0;
for(int j=i+1; j<n; j++) {
//calculate deltaf
sum += deltaf;
forces[j] -= deltaf;
}
forces[i] = sum;
}
問題是,當您執行此優化時,它會使並行化外部循環更加困難。 存在兩個問題:寫入forces[j]
,並且迭代不再均勻分布,即第一個線程比最后一個線程運行更多的迭代。
簡單的解決方案是使內循環平行
#pragma omp parallel
for(int i=0; i<n; i++) {
phys_vector sum = 0;
#pragma omp for
for(int j=i+1; j<n; j++) {
//calculate deltaf
sum += deltaf;
forces[j] -= deltaf;
}
#pragma omp critical
forces[i] += sum;
}
這在總共n*(n-1)/2
次迭代中使用了n*nthreads
關鍵操作。 因此,隨着n變大,關鍵操作的成本變小。 您可以對每個線程使用私有forces
向量,並將它們合並到關鍵部分,但是我認為這不是必需的,因為關鍵操作位於外部循環而不是內部循環。
這是融合三角形循環的解決方案,允許每個線程運行相同的迭代次數。
unsigned n = bodies.size();
unsigned r = n*(n-1)/2;
#pragma omp parallel
{
std::vector<phys_vector> forces_local(bodies.size());
#pragma omp for schedule(static)
for(unsigned k=0; k<r; k++) {
unsigned i = (1 + sqrt(1.0+8.0*k))/2;
unsigned j = i - k*(k-1)/2;
//calculate deltaf
forces_local[i] += deltaf;
forces_local[j] -= deltaf;
}
#pragma omp critical
for(unsigned i=0; i<n; i++) forces[i] += forcs_local[i];
}
我對以前的三角形融合方法不滿意(因為它需要使用浮點和sqrt函數),因此我根據此答案提出了一個更簡單的解決方案。
這會將三角形映射為矩形,反之亦然。 首先,我將其轉換為寬度為n
但寬度為n*(n-1)/2
(與三角形相同)的矩形。 然后,我計算矩形的(行,列)值,然后使用以下公式映射到三角形(跳過對角線)
//i is the row, j is the column of the rectangle
if(j<=i) {
i = n - i - 2;
j = n - j - 1;
}
讓我們選擇一個例子。 考慮以下n=5
三角形環對
(0,1), (0,2), (0,3), (0,4)
(1,2), (1,3), (1,4)
(2,3), (2,4)
(3,4)
將此映射到矩形成為
(3,4), (0,1), (0,2), (0,3), (0,4)
(2,4), (2,3), (1,2), (1,3), (1,4)
具有偶數值的三角形循環的工作方式相同,盡管可能並不那么明顯。 例如, n = 4
。
(0,1), (0,2), (0,3)
(1,2), (1,3)
(2,3)
這變成
(2,3), (0,1), (0,2), (0,3)
(1,2), (1,3)
這並非完全是矩形,但映射的作用相同。 我本來可以將其映射為
(0,1), (0,2), (0,3)
(2,3), (1,2), (1,3)
這是一個矩形,但隨后我需要兩個公式來計算奇數和偶數三角形的大小。
這是使用矩形到三角形映射的新代碼。
unsigned n = bodies.size();
#pragma omp parallel
{
std::vector<phys_vector> forces_local(bodies.size());
#pragma omp for schedule(static)
for(unsigned k=0; k<n*(n-1)/2; k++) {
unsigned i = k/n;
unsigned j = k%n;
if(j<=i) {
i = n - i - 2;
j = n - j - 1;
}
//calculate deltaf
forces_local[i] += deltaf;
forces_local[j] -= deltaf;
}
#pragma omp critical
for(unsigned i=0; i<n; i++) forces[i] += forcs_local[i];
}
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.