OpenMP

Question

我使用二维向量。我有两个操作：

使用 (i,j) 从向量中读取数据

使用(i,j)将项目添加到向量我怎样才能并行化这段代码？如果我只添加 #pragma omp parallel for shared(tempVector, objVector)，OpenMP 可以防止日期竞争吗？

vector < myObject > objVector;
vector< vector <int> > tempVector(4);

for(int i = 0; i < objVector.size(); i++) {
    int x = objVector[i].X,
        y = objVector[i].Y;
    if(x <= Xmiddle+DIAMETER && y <= Ymiddle+DIAMETER)
    {
        tempVector[0].push_back(i);
    }
    if(x >= Xmiddle-DIAMETER && y <= Ymiddle+DIAMETER)
    {
         tempVector[1].push_back(i);
    }
    if(x <= Xmiddle+DIAMETER && y >= Ymiddle-DIAMETER)
    {
         tempVector[2].push_back(i);
    }
    if(x >= Xmiddle-DIAMETER && y >= Ymiddle-DIAMETER)
    {
         tempVector[3].push_back(i);
    }
}

Answer 1

您需要使用#critical 指令才能正确访问共享变量：

#include <omp.h>

main()
{

   int x; 
   x = 0;

   #pragma omp parallel shared(x) 
   {

      #pragma omp critical 
      x = x + 1;

   }  /* end of parallel section */
}

示例取自：https://computing.llnl.gov/tutorials/openMP/#CRITICAL

如果我是你，我会想一些不同的事情（不幸的是你不能在这种情况下使用#reduction，但你绝对可以重新调整代码以获得相同的结果）。

Answer 2

不幸的是，在这种情况下，OpenMP 无法阻止数据竞争。 shared 子句允许所有线程查看向量变量，但它不对它们的访问进行排序。 Vector 的 push_back 函数不是线程安全的，因为它可能导致重新分配（增长）vector 的底层存储。

此代码可以并行化，但它的可扩展性取决于您愿意投入多少实施工作。要确定适当的工作量，请确定这部分需要您整个工作量的时间应用。这里有两种（在许多可能的）方法来并行化您的问题：

性能稳定的低工作量 - 制作 tempVector 1D 和与 objVector 相同的大小。不是将带有索引列表的 4 个向量放入 objVector，而是将 tempVector[i] 设为 0-3 objVector[i] 的哪个 bin。这可以通过一个简单的 openmp parallel for 来完成。稍后使用 tempVector 时，获取特定 bin 的所有值将涉及扫描所有 tempVector。如果只有 4 个 bin，这实际上可能表现得很好。
更多努力和最佳可伸缩性 - 为每个线程提供它自己的本地 tempVector 并使用 openmp parallel for 跨 objVector 并行化。这样每个线程都可以使用 vector 的 push_back 函数，因为它们是唯一访问该 vector 的线程。将 tempVector 的所有本地副本合并到一个共享的 tempVector 中可以通过原子地添加大小然后批量复制片段来完成。

OpenMP - 并行 For 循环

OpenMP - Parallel For Loop

c++

parallel-processing