优化计算时间答案

【问题标题】：optimize computing time优化计算时间
【发布时间】：2012-12-15 20:18:29
【问题描述】：

我正在使用并行标量产生两个向量并测量经过的时间。我在比较顺序和并行标量产品：

序列：double scalar(int n, double x[], double y[])

for (int i=0; i<n; i++)
{
   sum += x[i]*y[i];
}

并行：double scalar_shm(int n, double x[], double y[])

#pragma omp parallel for private(i) shared(x,y) reduction(+:sum)
for (i=0; i<n; i++)
{
   sum += x[i]*y[i];
}

我一个接一个地调用这些：

//sequential loop
for (int n=0; n<loops; n++)
{ scalar(vlength,x,y); }

//measure sequential time
t1 = omp_get_wtime() - tstart;

//parallel loop
for (int n=0; n<loops; n++)
{ scalar_shm(vlength,x,y); }

//measure parallel time
t2 = omp_get_wtime() - t1 - tstart;

//print the times elapsed
cout<< "total time (sequential): " <<t1 <<" sec" <<endl;
cout<< "total time (parallel  ): " <<t2 <<" sec" <<endl;

我用随机双精度填充向量的每个循环，我删除了那部分，因为我认为它无关紧要。

这个输出是：

total time (sequential): 15.3439 sec
total time (parallel  ): 24.5755 sec

我的问题是为什么并行的速度较慢？如果它更慢有什么好处？我预计它会更快，因为我有点认为这样的计算才是重点。

注意：我在 Intel Core i7-740QM 上运行此程序

【问题讨论】：

您是否考虑过告诉我们您的向量有多大以及（在较小程度上）您正在执行多少次迭代？这可能是有用的信息（考虑到性能权衡随大小而变化）。
输出为：vlength = 500000;循环 = 1000;
好的，现在我从在开始时填充向量的循环中删除了随机填充，并且在每个循环中标量产生了相同的向量，现在输出为：总时间（连续）：2.42854 秒总时间（并行）：1.028 秒，长度和循环编号相同。不应该是无关紧要的吗？
你究竟是如何用随机数填充它们的？
500k 是一个小向量。没有太多工作要做。尝试使用 50M，它应该更适合并行化。

标签： c++ optimization parallel-processing openmp

【解决方案1】：

您正在为每次迭代创建和销毁一个新的并行部分代码。这个操作很慢。您可以尝试在内部循环之外创建并行部分：

//parallel loop
int sum;
#pragma omp parallel private(n) reduction(+:sum)
{
    for (int n=0; n<loops; n++)
    { 
       scalar_shm(vlength,x,y, sum); 
    }
}

在 scalar_shm 函数中，OpenMP pragma 将是：

#pragma omp for private(i)
for (i=0; i<n; i++)
{
   sum += x[i]*y[i];
}

【讨论】：