如何在openmp中并行化while while和while循环？

Question

我正在尝试使用OpenMP学习并行编程,我有兴趣将以下do while循环并行化,其中包含几个while循环:

do {
        while(left < (length - 1) && data[left] <= pivot) left++;
        while(right > 0 && data[right] >= pivot) right--;

        /* swap elements */
        if(left < right){
            temp = data[left];
            data[left] = data[right];
            data[right] = temp;
        }

    } while(left < right);

我实际上并没有弄清楚如何并行化while和do while循环,找不到任何资源,它具体描述了如何并行化while和do while循环.我已经找到了for循环的指令,但我无法做出任何假设while和do while循环.那么,请你描述我如何并行化我在这里提供的循环？

编辑

我已经将do while循环转换为以下仅使用for循环的代码.

for(i = 1; i<length-1; i++)
{
    if(data[left] > pivot)
    {
        i = length;
    }
    else
    {
        left = i;
    }

}

for(j=length-1; j > 0; j--)
{
    if(data[right] < pivot)
    {
        j = 0;
    }
    else
    {
        right = j;
    }
}

/* swap elements */
if(left < right)
{
    temp = data[left];
    data[left] = data[right];
    data[right] = temp;
}

int leftCopy = left;
int rightCopy = right;

for(int leftCopy = left; leftCopy<right;leftCopy++)
{
    for(int new_i = left; new_i<length-1; new_i++)
    {
        if(data[left] > pivot)
        {
            new_i = length;
        }
        else
        {
            left = new_i;
        }
    }

    for(int new_j=right; new_j > 0; new_j--)
    {
        if(data[right] < pivot)
        {
            new_j = 0;
        }
        else
        {
            right = new_j;
        }
    }
    leftCopy = left;
    /* swap elements */
    if(left < right)
    {
        temp = data[left];
        data[left] = data[right];
        data[right] = temp;
    }
}

此代码工作正常并产生正确的结果,但是当我尝试并行化上述代码的部分时,通过将前两个for循环更改为以下内容:

#pragma omp parallel default(none) firstprivate(left) private(i,tid) shared(length, pivot, data)
    {
#pragma omp for
        for(i = 1; i<length-1; i++)
        {
            if(data[left] > pivot)
            {
                i = length;
            }
            else
            {
                left = i;
            }
        }
    }


#pragma omp parallel default(none) firstprivate(right) private(j) shared(length, pivot, data)
    {
#pragma omp for
        for(j=length-1; j > 0; j--)
        {
            if(data[right] < pivot)
            {
                j = 0;
            }
            else
            {
                right = j;
            }
        }
    }

速度比非并行化代码差.请帮我确定一下我的问题.

谢谢

Answer 1

首先,排序算法很难与OpenMP并行循环并行化.这是因为循环跳闸计数不是确定性的,而是取决于每次迭代读取的输入设置值.

data[left] <= pivot由于OpenMP库并不确切知道如何在线程之间划分迭代空间,因此我认为没有循环条件可以正常工作.

如果您仍然对并行排序算法感兴趣,我建议您先阅读文献,看看那些由于其可扩展性而真正值得实施的算法.如果您只是想学习OpenMP,我建议您从更简单的算法开始,例如bucket-sort,其中桶的数量众所周知且不经常更改.

关于您尝试并行化的示例while,OpenMP不直接支持循环,因为迭代次数(循环行程计数)不是确定性的(否则,很容易将它们转换为for循环).因此,不可能在线程之间分配迭代.此外,while循环通常使用最后一次迭代的结果来检查条件.这称为Read-after-Write或true-dependency,无法并行化.

如果您尝试最小化omp parallel子句数,则可以减轻您的减速问题.另外,尝试将它们移出所有循环.这些子句可以创建和连接在代码的并行部分中使用的附加线程,这是昂贵的.

您仍然可以在并行块内同步线程,因此结果类似.实际上,omp for默认情况下,所有线程都在子句的末尾相互等待,这样就可以更容易了.

#pragma omp parallel default(none) firstprivate(right,left) private(i,j) shared(length, pivot, data)
{
    #pragma omp for
    for(i = 1; i<length-1; i++)
    {
        if(data[left] > pivot)
        {
            i = length;
        }
        else
        {
            left = i;
        }
    }

    #pragma omp for 
    for(j=length-1; j > 0; j--)
    {
        if(data[right] < pivot)
        {
            j = 0;
        }
        else
        {
            right = j;
        }
    }
} // end omp parallel