采样条件分布 OpenMP

Question

我有一个抽取随机样本的函数：

Sample sample();

我有一个检查天气样本是否有效的功能：

bool is_valid(Sample s);

这模拟了条件分布。现在我想要很多有效的样本（大多数样本都无效）。

所以我想用 openMP 并行化这段代码

vector<Sample> valid_samples;
while(valid_samples.size() < n) {
    Sample s = sample();
    if(is_valid(s)) {
        valid_samples.push_back(s);
    }
}

我该怎么做？我发现的大部分 OpenMP 代码都是简单的 for 循环，其中迭代次数在一开始就确定了。

sample() 函数有一个

thread_local std::mt19937_64 gen([](){
    std::random_device d;
    std::uniform_int_distribution<int> dist(0,10000);
    return dist(d);
}());

作为随机数生成器。如果我假设我的设备有随机源，是否有效并且线程保存？有没有更好的解决方案？

Answer 1

您可以使用 OpenMP 任务并行。最简单的解决方案是将任务定义为单个样本插入：

vector<Sample> valid_samples(n); // need to be resized to allow access in parallel

void insert_ith(size_t i)
{
  do {
    valid_samples[i] = sample();
  } while (!is_valid(valid_samples[i]));
}

#pragma omp parallel
{
  #pragma omp single
  {
    for (size_t i = 0; i < n; i++) 
    {
      #pragma omp task
      insert_ith(i);
    }
  }
}

请注意，这种单任务单插入映射可能存在性能问题。首先，会涉及虚假共享，但更糟糕的是，任务管理有一些开销，这对于非常小的任务可能很重要。在这种情况下，补救措施很简单——不是每个任务一次插入，而是一次插入多个项目，例如 100。通常，一个合适的数字是一种权衡：越低创建更多任务 = 更多开销，越高可能会导致负载平衡变差。

Answer 2

您需要注意代码中的关键部分，即插入到答案向量中

这样的东西应该可以工作（没有编译，因为没有给出函数和类型）

// create vector before parallel section because it shall be shared
vector<Sample> valid_samples(n); // set initial size to avoid reallocation
int reached_count = 0;
#pragma omp parallel shared(valid_samples, n, reached_count)
{
    while(reached_count < n) { // changed this, see comments for discussion
        Sample s = sample(); // I assume this to be thread indepent
        if(is_valid(s)) {
            #pragma omp critical
            {
                // check condition again, another thread might have already
                // reached maximum number
                if(reached_count < n) {
                    valid_samples.push_back(s);
                    reached_count = valid_samples.size();
                }
            }
        }
    }
}

请注意，sample() 和 isvalid(s) 都不在临界区之内，因为我认为这些函数比向量插入要昂贵得多，或者接受率非常低

如果不是这种情况，您可以使用独立的局部向量并最终合并，但只有以某种方式减少同步次数（例如提供固定次数的迭代）才能获得显着的好处（至少在很大程度上）