使用 std::thread 时与 g++/OpenMP 相关的错误？

Question

我已将我遇到的问题提炼为最基本的问题。这是第一个示例代码：

#include <vector>
#include <math.h>
#include <thread>

std::vector<double> vec(10000);

void run(void) 
{
    for(int l = 0; l < 500000; l++) {

    #pragma omp parallel for
        for(int idx = 0; idx < vec.size(); idx++) {

            vec[idx] += cos(idx);
        }
    }
}

int main(void)
{
    #pragma omp parallel
    {
    }

    std::thread threaded_call(&run);
    threaded_call.join();

    return 0;
}

编译为（在 Ubuntu 20.04 上）：g++ -fopenmp main.cpp -o main

编辑：版本：g++ (Ubuntu 9.3.0-17ubuntu1~20.04) 9.3.0

在 Ryzen 3700x（8 核，16 线程）上运行：运行时间 ~43 秒，系统监视器中报告的所有 16 个逻辑内核都在 ~80%。 p>

接下来取出#pragma omp parallel指令，所以main函数变成：

int main(void)
{
    std::thread threaded_call(&run);
    threaded_call.join();

    return 0;
}

现在运行时间 ~9s，系统监视器中报告的所有 16 个逻辑核心均以 100%。

我还在 Windows 10 上使用 MSVC 进行了编译，无论是否存在 #pragma omp 并行指令，cpu 利用率始终为 ~100%。是的，我完全知道这条线应该什么都不做，但是使用 g++ 它会导致上述行为；也只有在线程上调用 run 函数时才会发生这种情况，而不是直接发生。我尝试了各种编译标志（-O 级别），但问题仍然存在。我想下一步是查看汇编代码，但我看不出这只是 g++ 中的一个错误。任何人都可以对此有所了解吗？将不胜感激。

此外，调用 omp_set_num_threads(1);在循环之前的“void run(void)”函数中，为了检查单个线程需要多长时间，给出 ~70s 运行时间，只有一个线程处于 100%（如预期的那样）。

进一步，可能相关的问题（尽管这可能是我缺乏理解）：调用 omp_set_num_threads(1);在“int main(void)”函数中（在定义 threaded_call 之前）在使用 g++ 编译时不执行任何操作，即所有 16 个线程仍然在 for 循环中执行，而与虚假的 #pragma omp 并行指令无关。使用 MSVC 编译时，这只会导致一个线程按预期运行 - 根据 omp_set_num_threads 的文档，我虽然这应该是正确的行为，但对于 g++ 则不然。为什么不呢，这是另一个错误吗？

编辑：我现在了解最后一个问题 (Overriding OMP_NUM_THREADS from code - for real)，但仍然未解决原始问题。

Answer 1

感谢 Hristo Iliev 提供有用的 cmets，我现在明白了这一点，并想回答我自己的问题，以防它对遇到类似问题的任何人有用。

问题是，如果在主程序线程中执行任何 OpenMP 代码，其状态将变为“污染” - 特别是在“#pragma omp parallel”指令之后，OpenMP 线程仍处于忙碌状态（全部 16 个），这会影响任何 std::thread 线程中所有其他 OpenMP 代码的性能，这些线程产生了自己的 OpenMP 线程团队。由于主线程仅在程序完成时才超出范围，因此整个程序执行都存在此性能问题。因此，如果将 OpenMP 与 std::thread 一起使用，请确保主程序线程中绝对不存在 OpenMP 代码。

为了证明这一点，请考虑以下修改后的示例代码：

#include <vector>
#include <math.h>
#include <thread>

std::vector<double> vec(10000);

void run(void) 
{
    for(int l = 0; l < 500000; l++) {

    #pragma omp parallel for
        for(int idx = 0; idx < vec.size(); idx++) {

            vec[idx] += cos(idx);
        }
    }
}

void state(void)
{
#pragma omp parallel
    {
    }

    std::this_thread::sleep_for(std::chrono::milliseconds(5000));
}

int main(void)
{
    std::thread state_thread(&state);
    state_thread.detach();

    std::thread threaded_call(&run);
    threaded_call.join();

    return 0;
}

此代码在前 5 秒以 80% 的 CPU 利用率运行，然后在程序运行期间以 100% 的 CPU 利用率运行。这是因为在第一个 std::thread 中生成了一组 16 个 OpenMP 线程并保持忙碌状态，从而影响了第二个 std::thread 中 OpenMP 代码的性能。一旦第一个 std::thread 终止，第二个 std::thread 的性能就不再受到影响，因为第二组 16 个 OpenMP 线程现在不必与第一组竞争 CPU 访问。当有问题的代码在主线程中时，问题一直存在，直到程序结束。