为什么并行执行一个函数会显着减慢程序的速度？

Question

我正在尝试使用 OpenMP 并行化代码，我当前输入大小的串行时间约为 9 秒，我有以下形式的代码：

int main()
{
    /* do some stuff*/ 
    myfunction();
}

void myfunction()
{
    for (int i=0; i<n; i++)
    {
        //it has some parameters but that is beyond the point I guess
        int rand = custom_random_generator();
        compute(rand);
    }
}

所以这里随机生成器可以并行执行，因为没有依赖关系，计算函数也是如此，所以我试图并行这个部分，但我所有的尝试都失败了，首先想到的是这些函数作为任务，因此它们并行执行，但结果较慢，这就是我所做的

void myfunction()
{
    for (int i=0; i<n; i++)
    {
        #pragma omp task 
        {
            //it has some parameters but that is beyond the point I guess
            int rand=custom_random_generator();
            compute(rand);
        }
    }
}

结果：23 秒，是串行时间的两倍多

将任务放在compute() 上只会导致相同的结果

更糟糕的尝试：

void myfunction()
{
    #pragma omp parallel for
    for (int i=0; i<n; i++)
    {
        //it has some parameters but that is beyond the point I guess
        int rand=custom_random_generator();
        compute(rand);
    }
}

结果：45 秒

从理论上讲，为什么会发生这种情况？我知道任何人要告诉我的确切问题，他们都需要一个最小可重复的例子，但我的目标是理解可以解释我的问题并自己应用它们的不同理论，为什么要并行化“令人尴尬的并行”一段代码导致更差的性能？

Answer 1

一种理论可能是与创建和维护多个线程相关的开销。

只有在每次迭代都必须执行更复杂的处理器密集型任务时，才能看到并行编程的优势。

一个包含一些简单例程的简单 for 循环不会利用它。