Question

我的目标是远离MATLAB，并在Fortran中完成大部分工作。其中一项努力是通过MATLAB的parfor循环用Fortran openMP指令代替并行化。这总是更快，但由于某种原因，使用openMP的CPU利用率（由taskmgr测量）低于parfor（特别是对于较小的问题）。我的假设是，这是由于通信开销，如果CPU利用率接近100％（如MATLAB），那么对于小问题，代码会快得多。我的问题有两方面：

有没有办法提高以下代码的效率（使用openMP指令）？
如果没有，效率低下的原因是什么？你建议如何补救它？

尝试（不成功）决议：

添加子句折叠（5）（对于5个嵌套循环）
明确声明所有内容（即不使用默认（共享））
KMP_SET_BLOCKTIME（1000）保持线程打开，直到下一个omp并行执行

CPU利用率数据（Windows 7 64位，双核四核intel xeon 3Ghz）：

小问题（* _pts = 5）：
Fortran（openMP），时间：40s，CPU使用率：60％
MATLAB（parfor），时间：45s，CPU使用率：90％
- ＆GT; MATLAB需要1.125倍
中等问题（* _pts = 6）：
Fortran（openMP），时间：78s，CPU使用率：75％
MATLAB（parfor），时间：96s，CPU使用率：90％
- ＆GT; MATLAB需要1.231倍
大问题（* _pts = 7）：
Fortran（openMP），时间：150s，CPU使用率：100％
MATLAB（parfor），时间：205s，CPU使用率：100％
- ＆GT; MATLAB需要1.367倍

示例：

    do while (converged == -1)
    istart = omp_get_wtime()               ! Iteration timer start
    !$omp parallel do default(shared) private(start,state,argzero)
    do i5 = 1,Oepsr_pts
     do i4 = 1,Ozeta_pts
      do i3 = 1,Oz_pts
       do i2 = 1,Or_pts
        do i1 = 1,Opd_pts
         start(1,1) = pfn(i1,i2,i3,i4,i5)
         start(2,1) = pfx1(i1,i2,i3,i4,i5)
         start(3,1) = pfx2(i1,i2,i3,i4,i5)
         state = [Gpd_grid(i1),Gr_grid(i2),Gz_grid(i3),Gzeta_grid(i4),Gepsr_grid(i5)];
         ! Find optimal policy functions on each node
         argzero = 0.d0
         call csolve(start,nstate,npf,nshock,Opd_pts,Or_pts,Oz_pts,Ozeta_pts,Oepsr_pts,Omono_pts,state, &
                        Smu,Schi,Sr,Sy,Pomega,Ptheta,Psigma,Peta,Pzbar, &
                        Prhor,Ppi,Pphipi,Pphiy,Prhoz,Pzetabar,Prhozeta,Pbeta, &
                        Gpd_grid,Gr_grid,Gz_grid,Gzeta_grid,Gepsr_grid,Gmono_nodes,Gmono_weight, &
                        pfn,pfx1,pfx2,argzero)
         ! Store updated policy functions
         pfn_up(i1,i2,i3,i4,i5) = argzero(1,1)
         pfx1_up(i1,i2,i3,i4,i5) = argzero(2,1)
         pfx2_up(i1,i2,i3,i4,i5) = argzero(3,1)
        end do
       end do
      end do
     end do
    end do
    !$omp end parallel do

    ! Policy function distances    
    dist_n = abs(pfn_up - pfn);  
    dist_x1 = abs(pfx1_up - pfx1);
    dist_x2 = abs(pfx2_up - pfx2);

    ! Maximum distance
    dist_max(it) = max(maxval(dist_n),maxval(dist_x1),maxval(dist_x2));

    ! Update policy functions
    pfn = pfn_up;
    pfx1 = pfx1_up;
    pfx2 = pfx2_up;

    ! Check convergence criterion
    if ((it > 11) .AND. all(dist_max(it-10:it) < Ptol)) then 
        converged = 1;
    else if (dist_max(it) > 10 .OR. it > 2500) then
        converged = 0;
    end if

    ! Iteration Information
    iend = omp_get_wtime()
    if (mod(it,3) == 1 .OR. converged == 1 .OR. converged == 0) then
        call itinfo(tstart,istart,iend,it,dist_max(it));
    else
        it = it + 1
    end if
end do

Answer 1

添加崩溃条款消除了低效率。！$ omp崩溃（5）否则，正如Jermiah Willcock指出的那样，只有外环可以并行运行。我相信我是在6核的计算机上进行测试，外环恰好有6个点，所以当时效率没有下降。只有当我切换到具有更多内核的计算机时才会出现问题。很高兴知道！

谢谢M.S.B.和耶利米，你的快速和有益的回应。一切都好了！

fortran openmp嵌套循环通信开销

1 个答案: