使用 std::thread 時與 g++/OpenMP 相關的錯誤？

Question

我已經將我遇到的問題提煉為它的基本要素。 這是第一個示例代碼：

#include <vector>
#include <math.h>
#include <thread>

std::vector<double> vec(10000);

void run(void) 
{
    for(int l = 0; l < 500000; l++) {

    #pragma omp parallel for
        for(int idx = 0; idx < vec.size(); idx++) {

            vec[idx] += cos(idx);
        }
    }
}

int main(void)
{
    #pragma omp parallel
    {
    }

    std::thread threaded_call(&run);
    threaded_call.join();

    return 0;
}

將其編譯為（在 Ubuntu 20.04 上）： g++ -fopenmp main.cpp -o main

編輯：版本：g++（Ubuntu 9.3.0-17ubuntu1~20.04）9.3.0

在 Ryzen 3700x（8 核，16 線程）上運行：運行時間 ~ 43秒，系統監視器中報告的所有 16 個邏輯核心都在 ~ 80% 。

接下來取出#pragma omp parallel指令，那么main函數就變成了：

int main(void)
{
    std::thread threaded_call(&run);
    threaded_call.join();

    return 0;
}

現在運行時間 ~ 9 秒，系統監視器中報告的所有 16 個邏輯內核都為100% 。

我還在 Windows 10 上使用 MSVC 編譯了這個，無論#pragma omp 並行指令是否存在，cpu 利用率始終為 ~100%。 是的，我完全知道這條線應該什么都不做，但是使用 g++ 它會導致上述行為； 也只有在線程上調用 run 函數時才會發生，而不是直接調用。 我嘗試了各種編譯標志（-O 級別），但問題仍然存在。 我想下一步是查看匯編代碼，但我看不出這只是 g++ 中的一個錯誤。 任何人都可以對此有所了解嗎？ 將不勝感激。

此外，調用 omp_set_num_threads(1); 在循環之前的“void run(void)”函數中，為了檢查單個線程需要多長時間，只有一個線程 100%（如預期）提供了大約70秒的運行時間。

此外，可能相關的問題（雖然這可能是我缺乏理解）：調用 omp_set_num_threads(1); 在“int main(void)”函數中（在定義 threaded_call 之前）用 g++ 編譯時什么都不做，即所有 16 個線程仍然在 for 循環中執行，而不管虛假的 #pragma omp 並行指令。 使用 MSVC 編譯時，這只會導致一個線程按預期運行 - 根據 omp_set_num_threads 的文檔，我認為這應該是正確的行為，但對於 g++ 則不然。 為什么不呢，這是另一個錯誤嗎？

編輯：我現在理解的最后一個問題（ 從代碼中覆蓋 OMP_NUM_THREADS - 真正的），但仍然使原始問題懸而未決。

Answer 1

感謝 Hristo Iliev 的有用評論，我現在明白了這一點，並想回答我自己的問題，以防萬一它對任何有類似問題的人有用。

問題是，如果在主程序線程中執行任何 OpenMP 代碼，其狀態將變為“污染”——特別是在“#pragma omp parallel”指令之后，OpenMP 線程保持忙碌狀態（全部 16 個），這會影響性能任何 std::thread 線程中的所有其他 OpenMP 代碼，它們產生自己的 OpenMP 線程團隊。 由於主線程僅在程序完成時超出范圍，因此整個程序執行過程中都會存在此性能問題。 因此，如果將 OpenMP 與 std::thread 一起使用，請確保主程序線程中絕對不存在 OpenMP 代碼。

為了證明這一點，請考慮以下修改后的示例代碼：

#include <vector>
#include <math.h>
#include <thread>

std::vector<double> vec(10000);

void run(void) 
{
    for(int l = 0; l < 500000; l++) {

    #pragma omp parallel for
        for(int idx = 0; idx < vec.size(); idx++) {

            vec[idx] += cos(idx);
        }
    }
}

void state(void)
{
#pragma omp parallel
    {
    }

    std::this_thread::sleep_for(std::chrono::milliseconds(5000));
}

int main(void)
{
    std::thread state_thread(&state);
    state_thread.detach();

    std::thread threaded_call(&run);
    threaded_call.join();

    return 0;
}

此代碼在前 5 秒內以 80% 的 CPU 使用率運行，然后在程序運行期間以 100% 的 CPU 使用率運行。 這是因為在第一個 std::thread 中產生了一個由 16 個 OpenMP 線程組成​​的團隊並保持忙碌狀態，從而影響了第二個 std::thread 中 OpenMP 代碼的性能。 一旦第一個 std::thread 終止，第二個 std::thread 的性能就不再受到影響，因為第二個 16 個 OpenMP 線程團隊現在不必與第一個競爭 CPU 訪問。 當有問題的代碼在主線程中時，問題一直持續到程序結束。