随手记录 OpenMP/omp C++ 下 for 并行 多线程加速
前言
一直觉得gpir [高斯过程下的路径规划问题] 这一波，CJ哥的代码学下来的知识真的是太多了，上一篇是有关此的是：【路径规划】OSQP曲线平滑 公式及代码
这一篇主要记录omp库的使用，如何加速C++的整体代码运行的，特别是在有大量for循环下的对比，因为看到gird_map那边多用这个库进行for的并行
python的实现应该是走multiprocess这个库，或者是ray，这一点曾经在这篇博文中写过
GPIR源码地址：https://github.com/jchengai/gpir
从上面摘取示例：
omp_set_num_threads(4);
{
#pragma omp parallel for
// column scan
for (int x = 0; x < dim[0]; ++x) {
g[x][0] = is_occupied(x, 0) ? 0 : inf;
for (int y = 1; y < dim[1]; ++y) {
g[x][y] = is_occupied(x, y) ? 0 : 1 + g[x][y - 1];
}
for (int y = dim[1] - 2; y >= 0; --y) {
if (g[x][y + 1] < g[x][y]) g[x][y] = 1 + g[x][y + 1];
}
}
}
相关深入可参考链接：https://www.cnblogs.com/mtcnn/p/9411892.html
官方OpenMP地址：https://www.openmp.org/spec-html/5.0/openmp.html
测试
ubuntu下需要安装一下
sudo apt install -y libomp-dev
CMakeLists.txt配置
cmake_minimum_required(VERSION 3.13.0)
project(common CXX)
set(CMAKE_CXX_STANDARD 14)
find_package(OpenMP REQUIRED)
if (OPENMP_FOUND)
message("OPENMP FOUND")
set (CMAKE_C_FLAGS "${CMAKE_C_FLAGS} ${OpenMP_C_FLAGS}")
set (CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} ${OpenMP_CXX_FLAGS}")
set (CMAKE_EXE_LINKER_FLAGS "${CMAKE_EXE_LINKER_FLAGS} ${OpenMP_EXE_LINKER_FLAGS}")
endif()
add_executable(omp_example src/omp_test/omp_example.cpp)
普通测试
cpp文件：来源于参考链接处
#include <iostream>
#include "omp.h"
using namespace std;
void test()
{
for (int i = 0; i < 80000; i++)
{
}
}
int main(int argc, char const* argv[])
{
float startTime = omp_get_wtime();
//指定2个线程
#pragma omp parallel for num_threads(2)
for (int i = 0; i < 80000; i++)
{
test();
}
float endTime = omp_get_wtime();
printf("指定 2 个线程，执行时间: %f\n", endTime - startTime);
startTime = endTime;
//指定4个线程
#pragma omp parallel for num_threads(4)
for (int i = 0; i < 80000; i++)
{
test();
}
endTime = omp_get_wtime();
printf("指定 4 个线程，执行时间: %f\n", endTime - startTime);
startTime = endTime;
//指定8个线程
#pragma omp parallel for num_threads(8)
for (int i = 0; i < 80000; i++)
{
test();
}
endTime = omp_get_wtime();
printf("指定 8 个线程，执行时间: %f\n", endTime - startTime);
startTime = endTime;
//指定12个线程
#pragma omp parallel for num_threads(12)
for (int i = 0; i < 80000; i++)
{
test();
}
endTime = omp_get_wtime();
printf("指定 12 个线程，执行时间: %f\n", endTime - startTime);
startTime = endTime;
//不使用OpenMP
for (int i = 0; i < 80000; i++)
{
test();
}
endTime = omp_get_wtime();
printf("不使用OpenMP多线程，执行时间: %f\n", endTime - startTime);
startTime = endTime;
return 0;
}
编译测试截图：【注意我测试的主机没有12个线程所以emm就8个】
当时做ray的时候，看到文档中曾说过 如果任务分给每个线程的时间和线程执行的时间差不多，可能越多线程反而速度也会慢下来，这时候主要瓶颈就在分配上了
所以在使用时 只需要前面加上库名，和每个for下指定线程数
#include "omp.h"
omp_set_num_threads(4);
{
#pragma omp parallel for
for (int i = 0; i < 80000; i++)
{
test();
}
}
// ============= OR ==========
#pragma omp parallel for num_threads(4)
for (int i = 0; i < 80000; i++)
{
test();
}
操作vector
其实和上面差不多，不过想来正好补充一下，顺便说一下，因为ax曾经做一下并行计算的东西，他说如果这个线程要用上一个线程的结果的话，在一些计算量大的情况下会造成堵塞。所以设置for的时候一定要检查一下，比如上面所说的grid map的并行操作的for就是专门设计了for循环以便能达到并行的效果的。更多可见此链接：【基础计算】ESDF栅格距离图计算并行加速版
#include <iostream>
#include "omp.h"
#include <vector>
using namespace std;
void test()
{
for (int i = 0; i < 16000000; i++)
{
}
}
int main(int argc, char const* argv[])
{
float startTime = omp_get_wtime();
int num=0;
vector<int> array_num;
int numP=2;
omp_set_num_threads(numP);
{
#pragma omp parallel for
for (int i = 0; i < 800; i++)
{
test();
num++;
array_num.push_back(num);
}
float endTime = omp_get_wtime();
printf("指定 %d 个线程，执行时间: %f\n", numP, endTime - startTime);
}
相关问题补充
pragma omp parallel for 与pragma omp parallel区别
问题来源：https://stackoverflow.com/questions/38080818/pragma-omp-parallel-for-vs-pragma-omp-parallel
解答如下，从原链接中英文参考而来
#pragma omp parallel
for(int i=0; i<N; i++) {
...
}
这样做，是创建了并行块，for会被运行设置线程的个数次；所以 如下图所示运行，线程数设为4，N=4，那么会输出16次，也就是说这个for被运行了4次
#pragma omp parallel for
for(int i=0; i<N; i++) {
...
}
这样做则是这个for被拆分成线程数，然后并行运行，所以只输出了一个for的文字，具体可见上一部分的时间对比
