C ++ OpenMP Parallel For Loop - 替代std :: vector 基于這個線程，OpenMP和STL向量，哪些數據結構是并行for循環中共享 std :: vector的好選擇？主要方面是速度，矢量可能需要在循環期間調整大小。
2 回答
侃侃無極
TA貢獻2051條經驗 獲得超10個贊
您鏈接的問題是在“多個線程寫入單個容器的情況下，STL向量容器不是線程安全的”這一事實。如果您調用可能導致重新分配std::vector持有的基礎數組的方法，那么這只是正確的說法。push_back()，pop_back()并且insert()是這些危險方法的例子。
如果您需要線程安全重新分配，那么庫intel線程構建塊為您提供并發向量容器。您不應該在單線程程序中使用tbb :: concurrent_vector，因為訪問隨機元素所花費的時間高于std :: vector執行相同操作所需的時間（即O（1））。然而，并發矢量電話push_back()，pop_back()，insert()在一個線程安全的方式，甚至當再分配發生。
編輯1：以下英特爾演示文稿的幻燈片46和47 給出了使用tbb :: concurrent_vector并發重新分配的說明性示例
編輯2：順便說一句，如果你開始使用英特爾Tread Building Block（它是開源的，它適用于大多數編譯器，它與C ++ / C ++ 11功能集成得比openmp好得多），那么你不需要使用openmp創建parallel_for，這是使用tbb的parallel_for的一個很好的例子。
HUWWW
TA貢獻1874條經驗 獲得超12個贊
我認為你可以std::vector在大多數時間使用OpenMP并且仍然具有良好的性能。例如，以下代碼std::vectors并行填充，然后將它們組合在一起。只要您的主循環/填充功能是瓶頸，這通?？梢院芎玫毓ぷ鞑⑶沂蔷€程安全的。
std::vector<int> vec;#pragma omp parallel{
std::vector<int> vec_private;
#pragma omp for nowait //fill vec_private in parallel
for(int i=0; i<100; i++) {
vec_private.push_back(i);
}
#pragma omp critical
vec.insert(vec.end(), vec_private.begin(), vec_private.end());}編輯：
OpenMP 4.0允許使用用戶定義的縮減#pragma omp declare reduction。上面的代碼可以簡化為
#pragma omp declare reduction (merge : std::vector<int> : omp_out.insert(omp_out.end(), omp_in.begin(), omp_in.end()))std::vector<int> vec;#pragma omp parallel for reduction(merge: vec)for(int i=0; i<100; i++) vec.push_back(i);
編輯：到目前為止我所顯示的內容并沒有按順序填充向量。如果訂單很重要，那么這可以這樣做
std::vector<int> vec;#pragma omp parallel{
std::vector<int> vec_private;
#pragma omp for nowait schedule(static)
for(int i=0; i<N; i++) {
vec_private.push_back(i);
}
#pragma omp for schedule(static) ordered for(int i=0; i<omp_get_num_threads(); i++) {
#pragma omp ordered
vec.insert(vec.end(), vec_private.begin(), vec_private.end());
}}這樣可以避免為每個線程保存std :: vector，然后將它們串行合并到并行區域之外。我在這里了解了這個“技巧” 。對于用戶定義的縮減，我不確定如何做到這一點（或者甚至可能）。。用戶定義的縮減不可能做到這一點。
我剛剛意識到關鍵部分是不必要的，我從這個問題中找到了parallel-cumulative-prefix-sums-in-openmp-communic-values-between-thread。此方法也可以使訂單正確
std::vector<int> vec;size_t *prefix;#pragma omp parallel{
int ithread = omp_get_thread_num();
int nthreads = omp_get_num_threads();
#pragma omp single {
prefix = new size_t[nthreads+1];
prefix[0] = 0;
}
std::vector<int> vec_private;
#pragma omp for schedule(static) nowait for(int i=0; i<100; i++) {
vec_private.push_back(i);
}
prefix[ithread+1] = vec_private.size();
#pragma omp barrier #pragma omp single
{
for(int i=1; i<(nthreads+1); i++) prefix[i] += prefix[i-1];
vec.resize(vec.size() + prefix[nthreads]);
}
std::copy(vec_private.begin(), vec_private.end(), vec.begin() + prefix[ithread]);}delete[] prefix;- 2 回答
- 0 關注
- 1422 瀏覽
添加回答
舉報
0/150
提交
取消