【发布时间】：2013-04-18 07:10:16
【问题描述】：
我的目标是离开 MATLAB，转而使用 Fortran 完成我的大部分工作。其中一项努力是通过 MATLAB 的 parfor 循环将并行化替换为 Fortran openMP 指令。这总是更快，但由于某种原因，使用 openMP 的 CPU 利用率（由 taskmgr 测量）低于 parfor（特别是对于较小的问题）。我的假设是，这是由于通信开销造成的，如果 CPU 利用率接近 100%（如 MATLAB），那么对于小问题，代码会快得多。我的问题有两个：
- 有没有办法提高以下代码的效率（使用 openMP 指令）？
- 如果不是，效率低下的根源是什么？您建议采取什么补救措施？
尝试（不成功）的解决方案：
- 添加子句 collapse(5)（用于 5 个嵌套循环）
- 明确声明所有内容（即不使用默认（共享））
- KMP_SET_BLOCKTIME(1000) 保持线程打开直到下一次 omp 并行执行
CPU 利用率数据（Windows 7 64 位，双四核英特尔至强 3Ghz）：
小问题（*_pts = 5）：
Fortran (openMP)，时间：40 秒，CPU 利用率：60%
MATLAB (parfor)，时间：45 秒，CPU 利用率：90%
-> MATLAB 耗时 1.125 倍中等问题（*_pts = 6）：
Fortran (openMP)，时间：78 秒，CPU 利用率：75%
MATLAB (parfor)，时间：96s，CPU 利用率：90%
-> MATLAB 耗时 1.231 倍大问题（*_pts = 7）：
Fortran (openMP)，时间：150 秒，CPU 利用率：100%
MATLAB (parfor)，时间：205 秒，CPU 利用率：100%
-> MATLAB 耗时 1.367 倍
例子：
do while (converged == -1)
istart = omp_get_wtime() ! Iteration timer start
!$omp parallel do default(shared) private(start,state,argzero)
do i5 = 1,Oepsr_pts
do i4 = 1,Ozeta_pts
do i3 = 1,Oz_pts
do i2 = 1,Or_pts
do i1 = 1,Opd_pts
start(1,1) = pfn(i1,i2,i3,i4,i5)
start(2,1) = pfx1(i1,i2,i3,i4,i5)
start(3,1) = pfx2(i1,i2,i3,i4,i5)
state = [Gpd_grid(i1),Gr_grid(i2),Gz_grid(i3),Gzeta_grid(i4),Gepsr_grid(i5)];
! Find optimal policy functions on each node
argzero = 0.d0
call csolve(start,nstate,npf,nshock,Opd_pts,Or_pts,Oz_pts,Ozeta_pts,Oepsr_pts,Omono_pts,state, &
Smu,Schi,Sr,Sy,Pomega,Ptheta,Psigma,Peta,Pzbar, &
Prhor,Ppi,Pphipi,Pphiy,Prhoz,Pzetabar,Prhozeta,Pbeta, &
Gpd_grid,Gr_grid,Gz_grid,Gzeta_grid,Gepsr_grid,Gmono_nodes,Gmono_weight, &
pfn,pfx1,pfx2,argzero)
! Store updated policy functions
pfn_up(i1,i2,i3,i4,i5) = argzero(1,1)
pfx1_up(i1,i2,i3,i4,i5) = argzero(2,1)
pfx2_up(i1,i2,i3,i4,i5) = argzero(3,1)
end do
end do
end do
end do
end do
!$omp end parallel do
! Policy function distances
dist_n = abs(pfn_up - pfn);
dist_x1 = abs(pfx1_up - pfx1);
dist_x2 = abs(pfx2_up - pfx2);
! Maximum distance
dist_max(it) = max(maxval(dist_n),maxval(dist_x1),maxval(dist_x2));
! Update policy functions
pfn = pfn_up;
pfx1 = pfx1_up;
pfx2 = pfx2_up;
! Check convergence criterion
if ((it > 11) .AND. all(dist_max(it-10:it) < Ptol)) then
converged = 1;
else if (dist_max(it) > 10 .OR. it > 2500) then
converged = 0;
end if
! Iteration Information
iend = omp_get_wtime()
if (mod(it,3) == 1 .OR. converged == 1 .OR. converged == 0) then
call itinfo(tstart,istart,iend,it,dist_max(it));
else
it = it + 1
end if
end do
【问题讨论】：
-
似乎在所有问题规模上，Fortran 实现都比 Matlab 版本好，并且随着问题的增大而变得更好。如果其中任何一个都不是真的，我会更担心。为什么要花很多精力在 40 秒内运行的东西上，除非你必须运行很多次？
-
代码中的一个问题是
it似乎仅在与 1 mod 3 不一致时才会增加；你确定你想要else子句中的增量吗？另外，这段代码在没有 OpenMP 的情况下可以完全使用一个 CPU 吗？ -
如果不折叠循环，您的代码将无法获得比
Oepsr_pts更高的并行度；这足以解释有限的 CPU 利用率吗？我还认为i1...i4应该标记为private，这样它们就可以为i5循环的每次迭代单独迭代。 -
1) 我计划针对问题的不同参数化运行它很多次（40,000 次），这就是为什么我想运行这个小问题。 2）它在调用 itinfo 时递增（未显示） 3）我会尝试再次折叠一次以验证，但是当我过去尝试过它时它不起作用。我还将 i1...i4 指定为私有，但无济于事。
-
好吧，看来崩溃确实修复了它。我不确定为什么我认为它不起作用。我当时可能一直在使用具有不同内核数的不同计算机。