OpenMP并行的两种方法之间的区别答案

【问题标题】：Difference between two methods for OpenMP parallelOpenMP并行的两种方法之间的区别
【发布时间】：2021-06-11 03:51:11
【问题描述】：

我只想通过 OpenMP 的汇总来评估函数的集成，方法是使用一个数组来保存每个步骤中计算的每个值 > 取所有值的总和；并在没有数组的情况下取和。

代码是：

double f(double x)
{
    return sin(x)*sin(x)/(x*x+1);
}

方法一

    long i = 0;
    const long NUM_STEP = 100000;
    double sum[NUM_STEP];
    double from = 0.0, to = 1.0;
    double step = (to - from)/NUM_STEP;
    double result = 0;

    #pragma omp parallel for shared(sum) num_threads(4)
    for(i=0; i<NUM_STEP; i++)
        sum[i] = step*f(from+i*step);
    for(i=0; i<NUM_STEP; i++)
        result += sum[i];
    printf("%lf", result);

方法 2

    long i = 0;
    const long NUM_STEP = 100000;
    double from = 0.0, to = 1.0;
    double step = (to - from)/NUM_STEP;
    double result = 0;

    #pragma omp parallel for shared(result) num_threads(4)
    for(i=0; i<NUM_STEP; i++)
        result += step*f(from+i*step);
    printf("%lf", result);

但结果相差太大。方法 1 给出了一个稳定的值，但方法 2 给出了一个可变值。这是一个例子：

方法一：0.178446

方法二：0.158738

METHOD 1 的值为真（由另一个工具检查）。

【问题讨论】：

标签： c multithreading parallel-processing openmp race-condition

【解决方案1】：

TL;DR第一种方法没有竞态条件，而第二种方法有。

第一种方法没有竞争条件，而第二种方法有。即在第一种方法中：

#pragma omp parallel for shared(sum) num_threads(4)
for(i=0; i<NUM_STEP; i++)
    sum[i] = step*f(from+i*step);
for(i=0; i<NUM_STEP; i++)
    result += sum[i];

每个线程将step*f(from+i*step); 操作的结果保存在数组sum[i] 的不同位置。之后 master 线程，依次减少保存在数组sum 上的值，即：

for(i=0; i<NUM_STEP; i++)
    result += sum[i];

实际上，您可以在此版本上进行一些改进；而不是分配与NUM_STEP的数量相同大小的数组sum，您可以分配与线程数相同的大小，每个线程将保存在与其ID相等的位置，即：

int total_threads = 4;
double sum[total_threads];
#pragma omp parallel num_threads(total_threads)
{
  int thread_id = omp_get_thread_num();
  for(i=0; i<NUM_STEP; i++)
      sum[thread_id] += step*f(from+i*step);
  for(i=0; i< total_threads; i++)
      result += sum[i];
}

尽管如此，最好的方法是实际修复第二种方法。

在第二种方法中，变量result的更新有一个race-condition：

#pragma omp parallel for shared(result) num_threads(4)
for(i=0; i<NUM_STEP; i++)
    result += step*f(from+i*step);

因为result 变量正在由多个线程以非线程安全的方式同时更新。

要解决这个竞态条件，您需要使用reduction 子句：

#pragma omp parallel for reduction(+:result) num_threads(4)
for(i=0; i<NUM_STEP; i++)
    result += step*f(from+i*step);

【讨论】：