OpenMP:编写与HDF5同步的数据
OpenMP: writing data synchronized with HDF5
我当前正在进行一个项目,其中必须使用HDF5创建一个大数据集。现在,天真的实施都很好,花花公子,但非常缓慢。慢部分是在计算中(比写的慢10倍(,我无法再加速,但是也许可以并行化。
我想我可以使用一个简单的 #pragma op平行于,但是出于速度原因, dataspace.write(..(方法应该弄清楚(也许没关系(。例如,请参见此图片。
应该注意的是,由于维度,写函数使用与缓冲区相同大小的块状布局(实际上围绕1MB(
/*
------------NAIVE IMPLEMENTATION-----------------
|T:<calc0><W0><calc1><W1><calc2><W2>............|
|-----------------------------------------------|
|----------PARALLEL IMPLEMENTATION--------------|
|-----------------------------------------------|
|T0:<calc0----><W0><calc4>.....<W4>.............|
|T1:<calc1---->....<W1><calc5->....<W5>.........|
|T2:<calc2--->.........<W2>calc6-->....<W6>.....|
|T3:<calc3----->...........<W3><calc7-->...<W7>.|
------------DIFFERENT IMPLEMENTATION-------------
i.e.: Queuesize=4
T0:.......<W0><W1><W2><W3><W4><W5><W6>..........|
T1:<calc0><calc3>.....<calc6>...................|
T2:<calc1>....<calc4>.....<calc7>...............|
T3:<calc2>........<calc5>.....<calc8>...........|
T Thread
<calcn---> Calculation time
<Wn> Write data n. Order *important*
. Waiting
*/
codeexample:
#include <chrono>
#include <cmath>
#include <iostream>
#include <memory>
double calculate(float *buf, const struct options *opts) {
// dummy function just to get a time reference
double res = 0;
for (size_t i = 0; i < 10000; i++)
res += std::sin(i);
return 1 / (1 + res);
}
struct options {
size_t idx[6];
};
class Dataspace {
public:
void selectHyperslab(){}; // selects region in disk space
void write(float *buf){}; // write buf to selected disk space
};
int main() {
size_t N = 6;
size_t dims[6] = {4 * N, 4 * N, 4 * N, 4 * N, 4 * N, 4 * N},
buf_offs[6] = {4, 4, 4, 4, 4, 4};
// dims: size of each dimension, multiple of 4
// buf_offs: size of buffer in each dimension
// Calcuate buffer size and allocate
// the size of the buffer is usually around 1Mb
// and not a float but a compund datatype
size_t buf_size = buf_offs[0];
for (auto off : buf_offs)
buf_size *= off;
std::unique_ptr<float[]> buf{new float[buf_size]};
struct options opts; // options parameters, passed to calculation fun
struct Dataspace dataspace; // dummy Dataspace. Supplied by HDF5
size_t i = 0;
size_t idx0, idx1, idx2, idx3, idx4, idx5;
auto t_start = std::chrono::high_resolution_clock::now();
std::cout << "[START]" << std::endl;
for (idx0 = 0; idx0 < dims[0]; idx0 += buf_offs[0])
for (idx1 = 0; idx1 < dims[1]; idx1 += buf_offs[1])
for (idx2 = 0; idx2 < dims[2]; idx2 += buf_offs[2])
for (idx3 = 0; idx3 < dims[3]; idx3 += buf_offs[3])
for (idx4 = 0; idx4 < dims[4]; idx4 += buf_offs[4])
for (idx5 = 0; idx5 < dims[5]; idx5 += buf_offs[5]) {
i++;
opts.idx[0] = idx0;
opts.idx[1] = idx1;
opts.idx[2] = idx2;
opts.idx[3] = idx3;
opts.idx[4] = idx4;
opts.idx[5] = idx5;
dataspace.selectHyperslab(/**/); // function from HDF5
calculate(buf.get(), &opts); // populate buf with data
dataspace.write(buf.get()); // has to be sequential
}
std::cout << "[DONE] " << i << " calls" << std::endl;
std::chrono::duration<double> diff =
std::chrono::high_resolution_clock::now() - t_start;
std::cout << "Time: " << diff.count() << std::endl;
return 0;
}
代码应立即起作用。
我已经快速研究了OpenMP,但我还不能缠绕着头。谁能给我一个提示/工作例子?我对并行化不好,但是作家读物的作品不会进行bufferqueue工作吗?还是无论如何使用OpenMP Overkill和Pthreads就足够了?任何帮助都会受到赞赏,
欢呼
您的第一个并行实现的想法是迄今为止最简单的实现。进行队列和专用的I/O线程可能会表现更好,但是使用OpenMP实施更加困难。
下面是一个简单的示例,说明了并行版本的外观。最重要的方面是:
- 共享数据:确保在线程之间共享的任何数据上都没有种族条件。例如,每个线程必须具有自己的
buf
和opts
,因为它们是在没有限制的情况下并行修改的。最简单的方法是在并行区域内定义本地变量。也至少对于内部循环,也必须在本地定义循环idxn
,并且i
必须在本地定义。您不能像您一样计算i
- 这将在每个环路迭代之间创建一个依赖性并防止并行化。 - 将
pragma omp for
工作共享应用于循环。由于每个维度中少量迭代量,建议应用collapse
。这将分发多个嵌套环的工作。collapse
的最佳值将为您的程序可用的线程数量揭示足够的并行工作,但不会创建太多的开销或阻碍内部循环的单线程优化。您可能想尝试不同的值。 - 使用
critical
部分保护数据。一次只有一个线程进入该部分。这很可能是正确性的(取决于HDF5中的实现方式(。显然selectHyperslab
将控制write
的运行方式,因此必须在同一关键部分中。
组合在一起,看起来像这样:
#pragma omp parallel
{
// define EVERYTHING that is modified locally to each thread!
std::unique_ptr<float[]> buf{new float[buf_size]};
struct options opts;
// Try different values for collapse if performance is not satisfactory
#pragma omp for collapse(3)
for (size_t idx0 = 0; idx0 < dims[0]; idx0 += buf_offs[0])
for (size_t idx1 = 0; idx1 < dims[1]; idx1 += buf_offs[1])
for (size_t idx2 = 0; idx2 < dims[2]; idx2 += buf_offs[2])
for (size_t idx3 = 0; idx3 < dims[3]; idx3 += buf_offs[3])
for (size_t idx4 = 0; idx4 < dims[4]; idx4 += buf_offs[4])
for (size_t idx5 = 0; idx5 < dims[5]; idx5 += buf_offs[5]) {
size_t i = idx5 + idx4 * dims[5] + ...;
opts.idx[0] = idx0;
opts.idx[1] = idx1;
opts.idx[2] = idx2;
opts.idx[3] = idx3;
opts.idx[4] = idx4;
opts.idx[5] = idx5;
calculate(buf.get(), &opts); // populate buf with data
#pragma omp critical
{
// I do assume that this function selects where/how data
// will be written so you *must* protected it
// Only one thread can do this at a time.
dataspace.selectHyperslab(/**/); // function from HDF5
dataspace.write(buf.get()); // has to be sequential
}
}
}
相关文章:
- 使用QQuickFramebufferObject时同步数据的最佳方式是什么
- 由 std::shared_ptr 向量指向的数据之间的线程同步
- OpenMP:编写与HDF5同步的数据
- 同步线程安全的API,用于暴露缓存数据
- 与 Boost.Asio 同步和并发的数据结构模式
- 如何制作具有同步数据读/写功能的多客户端服务器
- 测试与C 原始数据类型上同步锁定的需求
- 在我的软件中实现数据同步的服务
- 管道中的任务并行化和数据同步
- 为什么ASIO同步写入newtork第二次发送数据失败
- 在不可靠的网络中,是否有任何框架可以将一个对等体上生成的数据与所有其他对等体同步
- 同步文件和更改数据的最佳方式
- 数据结构的线程安全性,在哪里添加同步原语
- 同步文件,删除相同的数据
- Qt:如何同步访问数据从多个线程在模型/视图设置
- std::互斥量是否足以实现线程间的数据同步?
- c++ /Windows多线程同步/数据共享
- 如何同步多线程程序中正在处理的数据
- C++ 提升 ASIO |同步写入到异步读取 |无法在第二次读取中接收正确的数据
- 我如何保持我的QAbstractTableModel与我的数据存储同步