C ++ OpenMP Parallel For Loop - 替代std :: vector

Question

C ++ OpenMP Parallel For Loop - 替代std :: vector 基于这个线程，OpenMP和STL向量，哪些数据结构是并行for循环中共享 std :: vector的好选择？主要方面是速度，矢量可能需要在循环期间调整大小。

Answer 1

您链接的问题是在“多个线程写入单个容器的情况下，STL向量容器不是线程安全的”这一事实。如果您调用可能导致重新分配std::vector持有的基础数组的方法，那么这只是正确的说法。push_back()，pop_back()并且insert()是这些危险方法的例子。

如果您需要线程安全重新分配，那么库intel线程构建块为您提供并发向量容器。您不应该在单线程程序中使用tbb :: concurrent_vector，因为访问随机元素所花费的时间高于std :: vector执行相同操作所需的时间（即O（1））。然而，并发矢量电话push_back()，pop_back()，insert()在一个线程安全的方式，甚至当再分配发生。

编辑1：以下英特尔演示文稿的幻灯片46和47 给出了使用tbb :: concurrent_vector并发重新分配的说明性示例

编辑2：顺便说一句，如果你开始使用英特尔Tread Building Block（它是开源的，它适用于大多数编译器，它与C ++ / C ++ 11功能集成得比openmp好得多），那么你不需要使用openmp创建parallel_for，这是使用tbb的parallel_for的一个很好的例子。

Answer 2

我认为你可以std::vector在大多数时间使用OpenMP并且仍然具有良好的性能。例如，以下代码std::vectors并行填充，然后将它们组合在一起。只要您的主循环/填充功能是瓶颈，这通常可以很好地工作并且是线程安全的。

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());}

编辑：

OpenMP 4.0允许使用用户定义的缩减#pragma omp declare reduction。上面的代码可以简化为

#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);

编辑：到目前为止我所显示的内容并没有按顺序填充向量。如果订单很重要，那么这可以这样做

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());
    }}

这样可以避免为每个线程保存std :: vector，然后将它们串行合并到并行区域之外。我在这里了解了这个“技巧” 。对于用户定义的缩减，我不确定如何做到这一点（或者甚至可能）。。用户定义的缩减不可能做到这一点。

我刚刚意识到关键部分是不必要的，我从这个问题中找到了parallel-cumulative-prefix-sums-in-openmp-communic-values-between-thread。此方法也可以使订单正确

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;