我们首先了解了False Sharing的危险性,尤其是在为循环并行更新数组时.
但是,我发现很难将以下代码片段转换为可并行执行的任务,而不会导致错误共享：
int ii,kk;
double *uk = malloc(sizeof(double) * NX);
double *ukp1 = malloc(sizeof(double) * NX);
double *temp;
double dx = 1.0/(double)NX;
double dt = 0.5*dx*dx;
// Initialise both arrays with values
init(uk,ukp1);
for(kk=0; kk<NSTEPS; kk++) {
for(ii=1; ii<NX-1; ii++) {
ukp1[ii] = uk[ii] + (dt/(dx*dx))*(uk[ii+1]-2*uk[ii]+uk[ii-1]);
}
temp = ukp1;
ukp1 = uk;
uk = temp;
printValues(uk,kk);
}
我的第一反应是尝试分享ukp1：
for(kk=0; kk<NSTEPS; kk++) {
#pragma omp parallel for shared(ukp1)
for(ii=1; ii<NX-1; ii++) {
ukp1[ii] = uk[ii] + (dt/(dx*dx))*(uk[ii+1]-2*uk[ii]+uk[ii-1]);
}
temp = ukp1;
ukp1 = uk;
uk = temp;
printValues(uk,kk);
}
但与串行版相比,这显然显示出明显的减速.显而易见的原因是在对ukp1的一些写操作期间发生了虚假共享.
我的印象是,我可能会使用还原子句,但我很快就发现这不能用于数组.
有什么我可以用来并行化这段代码来改善运行时间吗？是否有我可以使用的条款,我没有听说过？或者这是我需要重构代码以实现正确的并行化的任务？
所有形式的输入将不胜感激！
编辑：有人指出我的代码中有一个错误.我在本地的代码是正确的,我只是错误地编辑它(这改变了代码的结构),抱歉混乱！
EDIT2：
@Sergey向我指出的一些信息我觉得很有用：
>将uk或ukp1设置为private将基本上具有与将它们设置为共享相同的效果,因为它们都是指向同一内存位置的指针
>使用静态调度应该在理论上有所帮助,但我仍然遇到同样的减速.此外,我觉得静态调度不是解决此问题的最便携方式.
解决方法
将常量定义为宏,允许编译器进行更好的优化.
#define dx (1.0/(double)NX) #define dt (0.5*dx*dx)
使用OpenMP时,共享变量的默认共享规则,但最好将其设置为none并手动启用并行部分内所需的每个变量.这样您就可以确定避免冲突.
#pragma omp parallel for default(none) shared(ukp1,uk)
将ukp1或uk设置为任何共享状态只会将指针传递到并行部分,因为您将它们声明为指针.所以它们中的内存仍然是共享的.
最后,为了避免flase共享,您需要确保尽可能少地在线程之间共享缓存行.只读缓存行(因此在你的情况下是uk)是无关紧要的,它们可以存在于每个线程中,但写入缓存行ukp1应该是每个线程.今天缓存行通常是64字节长 – 因此一个缓存行将适合8个双精度数.所以你想为每个线程分配至少8次迭代的块：
#pragma omp parallel for default(none) shared(ukp1,uk) schedule(static,8)
将每个块部署代码8次迭代,并应出现在内部循环中.
for(kk=0; kk<NSTEPS; kk++) {
#pragma omp parallel for default(none) shared(ukp1,8)
for(ii=1; ii<NX-1; ii++) {
ukp1[ii] = uk[ii] + (dt/(dx*dx))*(uk[ii+1]-2*uk[ii]+uk[ii-1]);
}
// Swap pointers for the next time step
temp = ukp1;
ukp1 = uk;
uk = temp;
}
实际上,根据您的数据大小,您可能希望分配更大的块大小.我倾向于使用0x1000 – 这在大多数系统上甚至可以适合整个页面(假设你是页面对齐的).
编辑：
为了实现这一点,您需要正确对齐内存.你从索引1开始,所以：
double *uk = memalign(0x40,sizeof(double) * (NX + 8)); double *ukp1 = memalign(0x40,sizeof(double) * (NX + 8)); uk += 7; ukp1 += 7;
现在ukp1 [1]是缓存行对齐的.增加块大小可能会有所帮助,但除非您打算使用NX> 100000首先并没有多少并行化.
您需要记住,在每次迭代中重新启动并行部分会产生大量开销.为了控制这一点,您需要在简单的OpenMP之外重新调整您的日程安排.
