使用 OpenMP 并行执行比串行执行 c++ 花费更长的时间，我计算执行时间是否正确?

Parallel exection using OpenMP takes longer than serial execution c++, am i calculating execution time in the right way?

本文关键字：时间 计算 执行时间 是否 并行执行 OpenMP 执行 c++ 使用      更新时间：2023-10-16

不使用 Open MP 指令 - 串行执行 - 在此处查看屏幕截图

使用 OpenMp 指令 - 并行执行 - 在此处查看屏幕截图

#include "stdafx.h"
#include <omp.h>
#include <iostream>
#include <time.h>
using namespace std;
static long num_steps = 100000;
double step;
double pi;
int main()
{
clock_t tStart = clock();
int i;
double x, sum = 0.0;
step = 1.0 / (double)num_steps;
#pragma omp parallel for shared(sum)
for (i = 0; i < num_steps; i++)
{
x = (i + 0.5)*step;
#pragma omp critical
{
sum += 4.0 / (1.0 + x * x);
}
}
pi = step * sum;
cout << pi <<"n";
printf("Time taken: %.5fsn", (double)(clock() - tStart) / CLOCKS_PER_SEC);
getchar();
return 0;
}

我试过多次，串行执行总是更快为什么？

串行执行时间：0.0200s 并行执行时间：0.02500s

为什么这里的串行执行速度更快？我是否以正确的方式计算了执行时间？

OpenMP 在内部实现了用于并行处理的多线程，并且可以使用大量数据来测量多线程的性能。对于非常小的数据量，您无法测量多线程应用程序的性能。原因：-

a) 要创建一个线程 O/S 需要为每个线程分配内存，这需要时间(即使它是很小的位)。

b) 当你创建多线程时，它需要上下文切换，这也需要时间。

c) 需要释放分配给线程的内存，这也需要时间。

d) 这取决于机器中的处理器数量和总内存 (RAM)

因此，当您尝试使用多线程进行小型操作时，它的性能将与单个线程相同(默认情况下，O/S 为每个称为主线程的进程分配一个线程)。所以在这种情况下，你的结果是完美的。要衡量多线程架构的性能，请使用大量具有复杂操作的数据，然后只有您才能看到差异。

由于您的critical块，您无法并行sum求和。每当一个线程到达critical部分时，所有其他线程都必须等待。

明智的方法是为每个线程创建一个临时的 sum 副本，该副本可以在不同步的情况下求和，然后对不同线程的结果求和。 Openmp 可以使用reduction子句自动执行此操作。所以你的循环将被更改为。

#pragma omp parallel for reduction(+:sum)
for (i = 0; i < num_steps; i++)
{
x = (i + 0.5)*step;
sum += 4.0 / (1.0 + x * x);
}

在我的机器上，这比使用critical块的版本快 10 倍(我还增加了num_steps以减少线程创建等一次性操作的影响)。

PS：我建议您使用<chrono>，<boost/timer/timer.hpp>或google benchmark来计时代码。

相关文章：