作者介紹

謝依暉

湖南大學(xué)碩士研究生在讀，

本科畢業(yè)于湖南大學(xué)計算機(jī)科學(xué)與技術(shù)專業(yè)

本文調(diào)研了4篇與OpenMP優(yōu)化相關(guān)的文獻(xiàn)，對優(yōu)化點分析如下：

面向Open64的OpenMP程序優(yōu)化[1]

跨越過程邊界的并行區(qū)重構(gòu)

Open64有著過程間分析優(yōu)化部件，因此可以知道哪些函數(shù)使用了被調(diào)函數(shù)，從而可以通過在使用被調(diào)函數(shù)處放置合適的編譯指導(dǎo)語句來完成并行區(qū)重構(gòu)。

這樣做的好處是：

進(jìn)一步擴(kuò)大并行塊的大?。?/p>

將并行塊提升到調(diào)用函數(shù)中，便于進(jìn)一步對調(diào)用函數(shù)中的并行塊合并。

以下給出例子：

programmain
callsub_procedure
end

subroutinesub_procedure
!$ompparallel
P
!$ompendparallel
end

優(yōu)化后：

programmain
!$ompparallel
callsub_procedure
!$ompendparallel
end

subroutinesub_procedure
P
end

OpenMP并行編程模型與性能優(yōu)化方法的研究及應(yīng)用[2]

Cache命中率優(yōu)化

數(shù)組合并：定義兩個數(shù)組val[N]和key[N]，在順序訪問val[i]和key[i]時可能會導(dǎo)致Cache沖突失效，若改為struct merge{key, val}就可以通過提高空間局部性減少Cache失效次數(shù)。

循環(huán)交換：C按行存儲而Fortran按列存儲，應(yīng)根據(jù)存儲的順序來訪問。

提取關(guān)鍵數(shù)據(jù)：提取關(guān)鍵數(shù)據(jù)可以減少重復(fù)存取的數(shù)據(jù)，例如在排序中用關(guān)鍵字和指針代替整個記錄排序，這樣就能讓Cache無需存放無關(guān)數(shù)據(jù)而提高命中率。

分塊：對于極大大小的數(shù)組，要在Cache中一次容納整個數(shù)組是有困難的，但可以將數(shù)組分為多塊，可有效降低Cache失效率。

循環(huán)調(diào)度優(yōu)化

在OpenMP中可對并行循環(huán)指定調(diào)度方案，以將每個迭代分配給多個工作線程執(zhí)行。其一般形式如下：

#pragmaompforschedule(schedule_name,chunk_size)
for(i=0;i

	

	OpenMP編譯與優(yōu)化技術(shù)研究[3]

	論文中給出了一種使用啟發(fā)式規(guī)則來估計各種額外開銷和調(diào)度參數(shù)的關(guān)系，得到一個線性不等式組，可以通過求解該不等式組得到較優(yōu)的調(diào)度參數(shù)。

	變量屬性的優(yōu)化

	在OpenMP語句中每一次對變量的聲明都對應(yīng)一次新的地址分配。給出以下例子：

	
#pragmaompparallel
{
#pragmaompforprivate(a)
{...}
#pragmaompforprivate(a)
{...}
}


	

	在如上代碼中，編譯器會為每個循環(huán)分配一個單獨(dú)的私有變量，而優(yōu)化后的代碼如下所示：

	
#pragmaompparallelprivate(a)
{
#pragmaompfor
{...}
#pragmaompfor
{...}
}


	

	How to Get Good Performance by Using OpenMP[4]

	去除依賴

	對于某些循環(huán)語句，存在依賴而導(dǎo)致無法使用OpenMP優(yōu)化，但是這其中的某些依賴可以通過修改代碼去除依賴而使用OpenMP運(yùn)行代碼。

	下列循環(huán)存在反依賴：

	
for(inti=0;i

	

	除去循環(huán)之間的依賴后：

	
#pragmaompparallelforshared(a,a_copy)
for(inti=0;i

	

	下列循環(huán)存在流依賴：

	
for(inti=1;i

	

	在loop skewing之后：

	
b[1]=b[1]+a[0]
#pragmaompparallelforshared(a,b,c)
for(inti=1;i

	

	負(fù)載不均衡

	下段代碼使用流水線形式處理，以塊的形式讀取數(shù)據(jù)，然后處理每個塊并在下一個塊之前將結(jié)果寫入磁盤，造成極差的負(fù)載均衡。

	
for(i=0;i

	

	接下來這段代碼使用動態(tài)調(diào)度來重疊I/O和處理數(shù)據(jù)，將上述流水線代碼并行化。

	
#pragmaompparallel
{
/*preloaddatatobeusedinfirstiterationofthei-loop*/
#pragmaompsingle
{ReadFromFile(O,...);}
for(i=0;i

	

	解決偽共享問題

	
inta[Nthreads][cache_line_size];
#pragmaompparallelforshared(Nthreads,a)schedule(static,1)
for(inti=0;i

	

	一般情況下，int型變量占四個字節(jié)，A[0]和A[1]的地址只差四個字節(jié)，小于一個Cache行，它們有著極大的可能在同一Cache行內(nèi)，從而導(dǎo)致同時更新不同處理器的相同Cache行中的單個元素會導(dǎo)致整個Cache行無效。

	對于False sharing問題，一般可以通過填充數(shù)組來優(yōu)化。

	
inta[Nthreads][cache_line_size];
#pragmaompparallelforshared(Nthreads,a)schedule(static,1)
for(inti=0;i

	

	我們還對文獻(xiàn)中的部分優(yōu)化使用LLVM Flang編譯器和classic-flang編譯器進(jìn)行了測試，測試結(jié)果請參考https://gitee.com/src-openeuler/flang/pulls/22/files。

	審核編輯：湯梓紅