C++英特尔TBB内部循环优化

C++ intel TBB inner loop optimisation

本文关键字：循环 优化 内部 TBB 英特尔 C++      更新时间：2023-10-16

我正试图使用Intel TBB来并行内部循环（3个循环中的第2个），但是，只有当内部2个循环的大小很大时，我才能获得不错的回报。

TBB是否会为主循环的每次迭代生成新的线程？有没有办法减少开销？

tbb::task_scheduler_init tbb_init(4); //I have 4 cores
tbb::blocked_range<size_t> blk_rng(0, crs_.y_sz, crs_.y_sz/4);
boost::chrono::system_clock::time_point start   =boost::chrono::system_clock::now();
for(unsigned i=0; i!=5000; ++i)
{   
    tbb::parallel_for(blk_rng, 
    [&](const tbb::blocked_range<size_t>& br)->void
    {   
    :::

值得注意的是，openMP（我正试图删除它！！）没有这个问题。

我正在编译：

intel ICC 12.1 at-03-xHost-mavx

在英特尔2500k（4核）上

EDIT：我真的可以改变循环的顺序，因为out循环测试需要替换为基于循环结果的谓词。

否，TBB不会为每次调用parallel_for生成新线程。实际上，与OpenMP并行区域不同的是，每个并行区域都可以启动一个新的线程团队，TBB与同一个线程团队一起工作，直到所有task_scheduler_init对象都被销毁；在隐式初始化的情况下（省略task_scheduler_init），使用相同的工作线程直到程序结束。

所以性能问题是由其他因素引起的。根据我的经验，最可能的原因是：

  • 缺乏编译器优化，自动向量化是第一位的（可以通过比较OpenMP和TBB的单线程性能来检查；如果TBB慢得多，那么这是最有可能的原因）
  • 缓存未命中；如果您在相同的数据中运行5000次，缓存位置性具有巨大的重要性，并且OpenMP的默认schedule(static)运行得非常好，每次都决定性地重复完全相同的分区，而TBB的工作窃取调度程序具有显著的随机性。将blocked_range粒度设置为problem_size/num_threads可以确保每个线程有一个工件，但不能保证工件的分布相同；而CCD_ 5应该对此有所帮助
相关文章：