在openMP c ++中并行化许多嵌套的for循环

Question

嗨，我是 C++ 新手，我编写了一个可以运行的代码，但由于许多嵌套的 for 循环，它很慢，我想通过 openmp 任何可以指导我的人来加速它。我尝试在 ip 循环之前使用“#pragma omp parallel”，在此循环中我在之前使用了“#pragma omp parallel for” >it 循环，但它不起作用

    #pragma omp parallel
    for(int ip=0; ip !=nparticle; ip++){
        inf14>>r>>xp>>yp>>zp;
        zp/=sqrt(gamma2);
        counter++;
        double para[7]={0,0,Vz,x0-xp,y0-yp,z0-zp,0};
        if(ip>=0 && ip<=43){
             #pragma omp parallel for
             for(int it=0;it<NT;it++){  
             para[6]=PosT[it];
                for(int ix=0;ix<NumX;ix++){
                    para[3]=PosX[ix]-xp;
                    for(int iy=0;iy<NumY;iy++){
                        para[4]=PosY[iy]-yp;
                        for(int iz=0;iz<NumZ;iz++){
                            para[5]=PosZ[iz]-zp;
                            int position=it*NumX*NumY*NumZ+ix*NumY*NumZ+iy*NumZ+iz;
                            rotation(para,&Field[3*position]);
                            MagX[position] +=chg*Field[3*position];
                            MagY[position] +=chg*Field[3*position+1];
                            MagZ[position] +=chg*Field[3*position+2];
                        }   
                    }
                }
            }   
        }
    }enter code here

我的旋转函数也有无限积分循环，如下所示

for(int i=1;;i++){
    gsl_integration_qag(&F, 10*i, 10*i+10, 1.0e-8, 1.0e-8, 100, 2, w, &temp, &error);
    result+=temp;
    if(abs(temp/result)<ACCURACY){
        break;
    }
}

我也在使用 gsl 库。那么如何加快这个过程或如何制作openmp？

Answer 1

如果您没有循环间依赖，您可以使用collapse 关键字来并行化多个循环。示例：

void scale( int N, int M, float A[N][M], float B[N][M], float alpha ) {
  #pragma omp for collapse(2)
  for( int i = 0; i < N; i++ ) {
    for( int j = 0; j < M; j++ ) {
      A[i][j] = alpha * B[i][j];
    }
  }
}

我建议您查看OpenMP C/C++ cheat sheet (PDF)，其中包含循环并行化的所有规范。

Answer 2

不要在另一个并行 pragma 中设置并行 pragma。您可能会在机器上创建超出其处理能力的线程。我会在外循环中建立并行化（如果它足够大）：

#pragma omp parallel for
    for(int ip=0; ip !=nparticle; ip++)

还要确保线程之间没有任何race condition（例如 RAW）。

建议：如果你没有得到很好的加速，一个好的做法是按块迭代，而不仅仅是一个增量。例如：

int num_threads = 1;
#pragma omp parallel
{
#pragma omp single
    {
        num_threads = omp_get_num_threads();
    }
}
int chunkSize = 20; //Define your own chunk here
for (int position = 0; position < total; position+=(chunkSize*num_threads)) {
    int endOfChunk = position + (chunkSize*num_threads);
    #pragma omp parallel for
    for(int ip = position; ip < endOfChunk ; ip += chunkSize) {
        //Code
    }
}