使用多个线程生成随机数时的瓶颈

Bottleneck at random number generation with multiple threads

本文关键字：随机数 线程      更新时间：2023-10-16

我在通过多个线程生成随机数时遇到了性能问题。这是对所有线程使用相同的随机引擎的原因。然后我实现了一个向量，其中包含每个线程的随机引擎（在堆栈溢出的另一篇文章中找到了这个解决方案）。但我希望每秒的迭代次数随着我正在执行的线程数而线性增长。但事实似乎并非如此。

下面是一个最小示例：

#include <random>
#include <omp.h>
const int threads = 4;
int main()
{
    std::uniform_int_distribution<uint64_t> uint_dist;
    std::vector<std::mt19937_64> random_engines;
    std::random_device rd;
    for (int i = 0;i < threads;i++)
        random_engines.push_back(std::mt19937_64((rd())));
    omp_set_num_threads(threads);
    int counter = 0;
    #pragma omp parallel for
    for (int i = 0;i < threads;++i)
    {
        int thread = omp_get_thread_num();
        while (counter < 100)
        {
            if (uint_dist((random_engines[thread])) < (1ULL << 42))
                counter++;
        }
    }
}

使用一个活动线程执行此代码时，我的 CPU 上的平均执行时间为 ~4 秒。将线程设置为 4 给我的平均执行时间为 ~2 秒，因此线程数得到 4 的乘法器，最终加速为 2。我错过了什么吗？

首先，如果你有两个内核和超线程，它看起来像你的代码有四个处理器，但它不是速度的四倍，如果你幸运的话，它只是比两倍快一点。

其次，如果您使用所有CPU功率，您的计算机将发热，然后降低时钟速度。

第三，你可能使用了一个状态巨大的随机数。其中一个的状态可能适合 L1 缓存，但不适合其中四个的状态。这可能会带来巨大的减速。

第四，你有一个变量"计数器"，它在线程之间共享，并在每次迭代时读取。这不会很快。

相关文章：