OpenMP 并行用于 - 多个并行用于的 Vs。一个并行，其中包含多个 for

Question

我正在通过Using OpenMP。作者比较和对比了以下两种结构：

//Construct 1
#pragma omp parallel for
for( ... )
{
    /* Work sharing loop 1 */
}
...
#pragma omp parallel for
for( ... )
{
    /* Work sharing loop N */
}

反对

//Construct 2
#pragma omp parallel
{
    #pragma omp for    
    for( ... )
    {
        /* Work sharing loop 1 */
    }
    ...
    #pragma omp for    
    for( ... )
    {
        /* Work sharing loop N */
    }
}

他们说构造 2

隐含的障碍较少，并且可能存在缓存 循环之间的数据重用。这种方法的缺点是一个 不能再在每个循环的基础上调整线程数，但是 这通常不是真正的限制。

我很难理解 Construct 2 如何具有更少的隐含障碍。由于#pragma omp for，在每个 for 循环之后，构造 2 中是否没有隐含的障碍？那么，在每种情况下，隐含障碍的数量是否都相同，N？也就是Construct 2中不是先出现第一个循环，以此类推，然后最后执行Nth for循环吗？

另外，Construct 2 如何更利于循环之间的缓存重用？

Answer 1

我很难理解 Construct 2 如何减少 隐含的障碍。在 Construct 2 之后是否没有隐含的障碍？ 每个 for 循环由于#pragma omp for?所以，在每种情况下，不是 隐含障碍的数量相同，N？也就是说，在 构造 2，第一个循环首先发生，依此类推，然后 最后执行第 N 个 for 循环？

我没有读过这本书，但根据您所展示的内容，实际上是相反的，即：

 //Construct 1
#pragma omp parallel for
for( ... )
{
    /* Work sharing loop 1 */
} // <-- implicit barrier 
...
#pragma omp parallel for
for( ... )
{
    /* Work sharing loop N */
} // <-- implicit barrier.

有N个隐含障碍（在每个平行区域的末尾），而第二个代码：

 //Construct 2
#pragma omp parallel
{
    #pragma omp for    
    for( ... )
    {
        /* Work sharing loop 1 */
    } <-- implicit barrier
    ...
    #pragma omp for    
    for( ... )
    {
        /* Work sharing loop N */
    } <-- implicit barrier
} <-- implicit barrier

有 N+1 个障碍（在每个 for + 平行区域的末尾。

实际上，在这种情况下，由于最后两个隐式障碍之间没有计算，因此可以将nowait 添加到最后一个#pragma omp for 以消除其中一个冗余障碍。

第二个代码比第二个代码具有更少隐式障碍的一种方法是在#pragma omp for 子句中添加一个nowait 子句。

从您所展示的书的链接中：

最后，使用 OpenMP 考虑了可能影响 OpenMP 的趋势 发展，提供对未来可能性的一瞥 OpenMP 3.0 从当前 OpenMP 2.5 的优势来看。 多核电脑的使用越来越多，需要一个全面的 标准接口的介绍和概述清晰。

所以这本书使用的是old OpenMP 2.5 标准，从standard 关于loop 构造函数的内容我们可以读到：

在循环构造函数的末尾有一个隐式屏障 除非指定了 nowait 子句。

nowait 不能添加到 parallel 构造函数，但可以添加到 for 构造函数。因此，如果可以将nowait 子句添加到#pragma omp for 子句，则第二个代码可能 具有更少的隐式障碍。然而，事实上，第二个代码实际上比第一个代码具有更多隐含的障碍。

另外，Construct 2 如何更利于循环之间的缓存重用？

如果您在线程之间使用循环迭代的static 分布（例如， 第二个代码中的#pragma omp for scheduler(static, ...)，相同的线程将使用相同的循环迭代。例如, 有两个线程，让我们称它们为 Thread A 和 Thread B。如果我们假设具有 chunk=1、Thread A 和 B 的 静态 分布将适用于奇数和偶数迭代每个循环，分别。因此，根据实际的应用程序代码，这可能意味着这些线程将使用给定数据结构的相同内存位置（例如，相同的数组位置）。 p>

在第一个代码中，理论上（但这将取决于具体的 OpenMP 实现），因为有两个不同的并行区域，不同的线程可以在两个循环之间选择相同的循环迭代.换句话说，在我们使用两个线程的示例中，不能保证在一个循环中计算偶数（或奇数）的同一线程会在其他循环中计算相同的数字。