Я довольно опытный пользователь OpenMP, но я просто столкнулся с загадочной проблемой, и я надеюсь, что кто-то здесь может помочь. Проблема в том, что простой алгоритм хэширования хорошо работает для массивов, распределенных по стекам, но плохо для массивов в куче.
Пример ниже использует i% M (i модуль M) для подсчета каждого M-го целого в соответствующем элементе массива. Для простоты представьте себе N = 1000000, M = 10. Если N% M == 0, то результатом должно быть то, что каждый элемент бинов [] равен N/M:
#pragma omp for
for (int i=0; i<N; i++)
bins[ i%M ]++;
Ячейки массива [] являются закрытыми для каждого потока (после этого я суммирую результаты всех потоков в критическом разделе).
Когда в стеке выделяется бит [], программа работает отлично, с масштабированием производительности пропорционально количеству ядер.
Однако, если бины [] находятся в куче (указатель на бины [] находится в стеке), производительность резко падает. И это серьезная проблема!
Я хочу распараллелить бининг (хеширование) определенных данных в массивы кучи с помощью OpenMP, и это серьезное поражение производительности.
Это определенно не что-то глупое, как все потоки, пытающиеся записать в одну и ту же область памяти. Это связано с тем, что каждый поток имеет свой собственный массив [], результаты корректны как с ячейками, размещенными в кучи, так и с помощью стека, и нет никакой разницы в производительности для однопоточных прогонов. Я воспроизвел проблему на разных аппаратных средствах (Intel Xeon и AMD Opteron), с компиляторами GCC и Intel С++. Все тесты проводились в Linux (Ubuntu и RedHat).
Похоже, что хорошая производительность OpenMP не ограничивается массивами стека.
Любые догадки? Может быть, доступ к потокам в кучу проходит через какой-то общий шлюз в Linux? Как это исправить?
Завершить программу для воспроизведения ниже:
#include <stdlib.h>
#include <stdio.h>
#include <omp.h>
int main(const int argc, const char* argv[])
{
const int N=1024*1024*1024;
const int M=4;
double t1, t2;
int checksum=0;
printf("OpenMP threads: %d\n", omp_get_max_threads());
//////////////////////////////////////////////////////////////////
// Case 1: stack-allocated array
t1=omp_get_wtime();
checksum=0;
#pragma omp parallel
{ // Each openmp thread should have a private copy of
// bins_thread_stack on the stack:
int bins_thread_stack[M];
for (int j=0; j<M; j++) bins_thread_stack[j]=0;
#pragma omp for
for (int i=0; i<N; i++)
{ // Accumulating every M-th number in respective array element
const int j=i%M;
bins_thread_stack[j]++;
}
#pragma omp critical
for (int j=0; j<M; j++) checksum+=bins_thread_stack[j];
}
t2=omp_get_wtime();
printf("Time with stack array: %12.3f sec, checksum=%d (must be %d).\n", t2-t1, checksum, N);
//////////////////////////////////////////////////////////////////
//////////////////////////////////////////////////////////////////
// Case 2: heap-allocated array
t1=omp_get_wtime();
checksum=0;
#pragma omp parallel
{ // Each openmp thread should have a private copy of
// bins_thread_heap on the heap:
int* bins_thread_heap=(int*)malloc(sizeof(int)*M);
for (int j=0; j<M; j++) bins_thread_heap[j]=0;
#pragma omp for
for (int i=0; i<N; i++)
{ // Accumulating every M-th number in respective array element
const int j=i%M;
bins_thread_heap[j]++;
}
#pragma omp critical
for (int j=0; j<M; j++) checksum+=bins_thread_heap[j];
free(bins_thread_heap);
}
t2=omp_get_wtime();
printf("Time with heap array: %12.3f sec, checksum=%d (must be %d).\n", t2-t1, checksum, N);
//////////////////////////////////////////////////////////////////
return 0;
}
Примеры выходов программы ниже:
для OMP_NUM_THREADS = 1
OpenMP threads: 1
Time with stack array: 2.973 sec, checksum=1073741824 (must be 1073741824).
Time with heap array: 3.091 sec, checksum=1073741824 (must be 1073741824).
и для OMP_NUM_THREADS = 10
OpenMP threads: 10
Time with stack array: 0.329 sec, checksum=1073741824 (must be 1073741824).
Time with heap array: 2.150 sec, checksum=1073741824 (must be 1073741824).
Я очень признателен за любую помощь!