Избыточные вычисления при попытке распараллелить рекурсивную функцию с OpenMP - PullRequest
Новая
       39

Избыточные вычисления при попытке распараллелить рекурсивную функцию с OpenMP

0 голосов
/ 26 апреля 2019

У меня есть рекурсивная функция, которая вызывает себя дважды.Моя попытка распараллелить функцию в конечном итоге работает, но в то же время выполняет много избыточных вычислений, уничтожая все выгоды от параллелизма.

Основная программа пытается вычислить вспомогательный граф, который является промежуточной структурой данныхтребуется для вычисления всех связанных с k-ребром компонентов графа.

Я уже несколько месяцев пытаюсь решить эту проблему, и я решил обратиться за помощью только в качестве последнего средства.Я буду признателен за любые комментарии или предложения, указывающие мне в правильном направлении;Я не обязательно ищу решение на тарелке.

Я пытался использовать #pragma omp single nowait, но это привело только к последовательному выполнению кода.

Я пытался использовать cilk_spawnв другой раз, но это только привело к тому, что моему компьютеру не хватило памяти.Я предполагаю, что было запущено слишком много процессов.

Я извлек суть проблемы в минимальный рабочий пример, который я вставил ниже.

Приведенный ниже код повторяет каждое вычисление примерно восемь раз.Я предполагаю, что восемь различных процессов запускают отдельную копию программы вместо одновременной работы над частями проблемы. 

#include <iostream>
#include <omp.h>
#include <numeric>
#include <vector>
#include <random>
#include <algorithm>
using namespace std;

int foo(std::vector<int> V, int s){
    int n = V.size();

    if (n>1){
    std::cout<<n<<" ";
    std::random_device rd; // obtain a random number from hardware
    std::mt19937 eng(rd()); // seed the generator
    std::uniform_int_distribution<int> distr(0, n-1); // define the range
    int t = 1;

    auto first = V.begin();
    auto mid = V.begin() + (t);
    auto mid_1 = V.begin() + (t);

    std::vector<int> S(first, mid);
    std::vector<int> T(mid_1, V.end());

    #pragma omp parallel
    {
    #pragma omp task
    foo(S, s);
    #pragma omp task
    foo(T, t); 
    }
    }
   return 0;
}



int main(){
    std::vector<int> N(100);
    iota(N.begin(), N.end(), 0);
    int p = foo(N,0);
    return (0);
}

Моя цель - заставить все процессы / потоки работать вместе для завершения рекурсии.

1 Ответ

0 голосов
/ 26 апреля 2019

Правильный способ применения параллелизма задач с OpenMP для вашего примера будет следующим: 

int foo(std::vector<int> V, int s)
{
    int n = V.size();

    if (n > 1)
    {
        std::cout << n << " ";
        std::random_device rd;                              // obtain a random number from hardware
        std::mt19937 eng(rd());                             // seed the generator
        std::uniform_int_distribution<int> distr(0, n - 1); // define the range
        int t = 1;

        auto first = V.begin();
        auto mid = V.begin() + (t);
        auto mid_1 = V.begin() + (t);

        std::vector<int> S(first, mid);
        std::vector<int> T(mid_1, V.end());

        #pragma omp task
        foo(S, s);
        #pragma omp task
        foo(T, t);
    }
    return 0;
}

int main()
{
    std::vector<int> N(10000);
    std::iota(N.begin(), N.end(), 0);
    #pragma omp parallel
    #pragma omp single
    {
        int p = foo(N, 0);
    }
    return (0);
}

Тем не менее, конкретный пример не покажет улучшения производительности, поскольку он очень быстрый сам по себе и в нем преобладает распределение памяти. Поэтому, если вы не видите преимущества в применении этого, вы можете обновить или опубликовать новый вопрос с более конкретным примером.

...