OpenMP2.5
有底层API后，就已经可以实现并行编程；然而，很多时候串行算法已经成型，如果继续使用原有的底层API，还将面临转换和调试的问题。OpenMP正是为了解决这样的问题。
一、OpenMP的介绍
1.概览
- 提供线程级别的并行模型
- 基于共享内存的模型
- 本身只是提供一种规范
具体的实现由各个系统和编译器负责实现
2.本质
- 一套多线程的API
- 面向程序员的高层接口
- 提供一系列的编译和预处理的指导语句
- 主要提供Fortran、C、C++的多线程支持
- 以SMP的物理结构完成多线程的实现
3.实现层次
- 编译时的指导语句
- 库函数的支持
- 环境变量的支持
- OpenMP的标准可以实现在任何编译器上
不同的编译器支持程度不同
4.历史
（略）
5.OpenMP的目标
标准化
- 在不同的语言和架构上都可以以相同的方式编写多核程序
简洁有效
- 编译器的指导语句尽可能地少
易用性
- 允许程序逐步并行化
- 使对串行程序的修改尽可能地少
可移植性
- 多种语言
- 不同平台
6.OpenMP编程模型
共享内存、基于线程的并行模型
显式并行
Fork-Join模型
- 程序启动后是单线程
- 达到需要并行的部分（并行区）时，产生多个线程同时运行
- 所有线程同时执行完后互相等待，一起结束
基于编译器指导语句
支持嵌套并行
动态线程的创建与销毁
线程的数量可以由OpenMP自适应
I/O
- OpenMP并没有指定I/O的接口，仍然按原有的方式进行读写
- 因此并行区中的读写会面临冲突的问题，需要程序员自己解决
内存模型
7.OpenMP的层次
- SMP的硬件结构
- 系统的线程支持与OpenMP的运行时库
- 编译器指导语句、库函数和环境变量
- 应用程序和最终用户
8.示例代码
#include
void main()
{
#pragma omp parallel //编译指导语句，将大括号括起的范围内做成一个并行区
{
int ID=omp_get_thread_num();
printf("hello(%d)",ID);
printf("world(%d)\n",ID);
}
}
编译时，需要增加参数-fopenmp（gcc）、-mp（pgi）、/Qopenmp（Intel）、/openmp（Visual Studio，或直接在项目属性中添加OpenMP支持）
更一般的形式
#include
int main()
{
int v1,v2,v3;
//Serial code
#pragma omp parallel private(v1,v2) shared(v3)
{
//
//Join
}
//Back to serial code
}
- 大括号必须紧跟编译指导语句书写
- 语法格式是固定的
二、创建线程
1.Fork-Join结构
- 主线程按那些创建一组线程执行并行任务
- 并行区完全可以嵌套
- 并行区中，主线程担任一个线程的工作
- 子并行区中，仍有相应概念上的主线程
2.指定线程的个数
虽然线程个数可以由OpenMP自动指定，但是也可以手动设置
omp_set_num_threads(4);
这使得此函数之后的每个并行区都是4个线程同时运行
也可以使用指导语句，这样只对一个并行区生效
`#pragma omp parallel num_threads(4)`
三、同步方式
1.临界区
多线程同时只能由一个进入临界区执行
float res;
#pragma omp parallel
{
float B;
int i,id,nthrds;
id=omp_get_thread_num(); //当前线程的ID
nthrds=omp_get_num_threads(); //当前的线程个数
for(i=id,i2.原子操作
原子操作不会被多线程打断
然而原子操作和临界区的功能是一样的，因为有复合语句的存在，原子操作的功能实际上还要弱一些
原子操作中不能使用复合语句，也不能进行函数调用
#pragma omp parallel
{
double tmp,B;
B=DOIT();
tmp=big_ugly(B);
#pragma omp atomic
X+=tmp;
}
- 提供原子操作的意义在于效率
使用原子操作的效率，比使用临界区要高很多，因为可以调用一些系统底层的特殊功能来实现原子操作
3.路障同步
4.同步次序
5.flush
6.锁
四、并行循环
1.SPMD与worksharing
- 工作共享创建了一个Single Program Multiple Data的程序结构
- 使得多个线程以看起来一样的代码完成不同的工作
2.分配循环用的worksharing
#pragma omp for
for(i=0;i- i将自动地成为每个线程的私有变量
- 默认得到{0,1,2,3},{4,5,6,7},...这样的循环划分方法
可以调整，但无法任意划分
3.worksharing的结构特点
- worksharing结构不会创建线程
仅仅对执行做分配 - worksharing结构在入口没有路障同步，但出口处有
而且都是隐式的
4.worksharing结构的限制
- 必须放在并行区内
- 待分配的任务无法执行一部分，要么整个分配，要么不分配
- 分配时有固定的次序，不支持自定义的次序
也不会随机分配
5.worksharing结构的类型
- section可以进行手动分配
- single可以分配给单个线程
6.parallel与worksharing的组合
double res[MAX];
int i;
#pragma omp parallel for
for(i=0;i7.规约
- OpenMP提供的特殊、常见数据类型的支持
编译指导语句的基本格式
`#pragma omp directive-name [clause,...] newline`
规约指导语句
`reduction(op:list)`
归约操作的操作符和初始值
- 由OpenMP规定
- 无法自行定义
五、同步
1.Barrier
#pragma omp barrier //手动的路障同步
#pragma omp for nowait //指明取消末尾的隐式路障同步
- 直到所有线程执行到此位置才继续执行
- 离开临界区时有隐式的路障同步
2.Master结构
- 标记一个代码块只被一个线程执行
- 其它线程简单跳过
- 默认没有路障同步，需要显式指定
3.Single结构
- 此结构中的内容只有一个线程执行
- 可能由任何一个线程执行，未必是master线程
- 出口处有隐式的路障同步
4.ordered
- 只加在for循环后
- 表明for循环存在次序依赖
标记出的语句将按照for循环的串行迭代序被执行 - 对性能将产生很大的影响
5.锁
简单锁
可以认为是简单的布尔变量
omp_*_lock
- init
- set
- unset
- test
- destroy
嵌套锁
与简单锁不同，可以被同一个进程反复地加锁，解锁时也要进行相应数量的解锁
omp_*_nest_lock
- init
- set
- unset
- test
- destroy
简单锁的例子
#include
omp_lock_t lock;
omp_init_lock(&lck);
#pragma omp parallel private(tmp,id)
{
id=omp_get_thread_num();
tmp=do_lots_of_work(id);
omp_set_lock(&lock);
omp_unset_lock(&lock);
}
omp_destroy_lock(&lock);
六、OpenMP的库函数
1.修改、设置线程数量
omp_set_num_threads(int)-
omp_get_num_threads()
获取此韩式调用时的线程数量 -
omp_get_thread_num()
获取当前线程的线程号 -
omp_get_max_threads()
获取下一个开辟的并行区每个线程要开启的线程数
2.是否在并行区域内
omp_in_parallel()
3.是否允许系统动态调整线程数量
omp_set_dynamic(int)omp_get_dynamic()
4.系统处理器数量
omp_num_procs()
5.环境变量
环境变量的优先级比库函数要低一些
- OMP_NUM_THREADS
- OMP_SCHEDULE
设置for循环是横切或竖切
七、数据环境
1.默认存储属性
- 共享内存的编程模型
- 全局变量在线程间共享
- 静态变量是共享的
- 堆内存是共享的
动态分配的内存
默认情况下的私有变量
- 并行区内定义的变量
2.private子句
- 为变量创建每个线程一份的副本
- 未经初始化的变量，在OpenMP中的初始值未被定义
主流平台上，private变量的修改对外围没有改变 - 外部变量作为私有变量，对定义为私有变量的变量的修改，修改谁并没有明确的定义
实际平台上的主流编译器都修改全局变量
3.firstprivate与lastprivate子句
- 和private子句几乎相同
- firstprivate
私有变量的初值定义为全局变量原先的值 - lastprivate
出并行区时，全局变量的值将被改变
通常执行的最后一条更新的值反映到全局变量中
4.default子句
default(PRIVATE|SHARED|NONE)
-
default(SHARED)是默认存在的，因此不需写出来
#pragma omp task除外 - 在C中，
default(PRIVATE)不被支持 -
default(NONE)将不为变量设定默认值
此时必须为每个变量显式指定属性
良好的自虐的编程实践~
通常只在需要编译器提醒哪个变量没有指定属性时才使用
5.threadprivate子句
int counter=0;
#pragma omp threadprivate(counter)
- 定义为
threadprivate的变量是可以穿越多个并行区的
变量的值以线程号一一对应
copyin子句
int a=100;
#pragma omp threadprivate copyin(a)
- 可以将全局变量的值拷贝进对应的私有变量
copyprivate子句
- 只能在single中使用
- 在路障同步点处由执行single的线程拷贝到所有其它线程
指针的传递
- 在线程之间，指针不要随便乱传
#pragma omp parallel private(x) shared(p0,p1)
x=...;
p0=&x;
在另一个线程中使用p0指针会造成不可预料的后果
八、Schedule子句
1.section子句
#pragma omp parallel
{
#pragma omp sections
{
#pragma omp section
calculation1();
#pragma omp section
calculation2();
#pragma omp section
calculation3();
}
}
- 这些任务由系统自由分配给不同线程运行
- 任务数与线程数相等时，分配显然
- 任务数多于线程数时
先用任务把线程占满，哪个线程执行完在分配剩下的任务 - 任务数少于线程数时
其它线程等待
2.schedule子句
`schedule(mode[,chunk])`
实际上大多数编译器除了static，另外三种都没实现
静态调度
- 所有分配方式在编码时写死
- 默认的分配方式
- chunk默认为最大值（迭代数/线程数）
chunk是循环任务分块的大小
如果需要循环纵切，chunk设置为1即可 - 静态调度的分配方式是非常明确的，第一个chunk给线程0，以此类推
动态调度
- 每个chunk可以动态分配给某个线程了
guided调度
- chunk定义的是块的最小值
- 实际上可以更大
runtime调度
- 全部参数交由编译器决定
九、内存模型
1.弱一致性
- 在代码中，读写顺序在不改变语义的情况下是可以改变的
- 以S表示数据同步操作
OpenMP中保证，S->W、S->R、R->S、W->S、S->S
在OpenMP中就是flush操作
2.flush
a=...;
#pragma omp flush(a)
- 变量值在内存中的改变最早发生在写操作，最晚在数据同步操作时进行
隐式数据同步
其它所有同步都会自动带上数据同步
十、OpenMP 3.0与任务
1.任务
- 其它结构的工作量都是静态的，但task的任务是可以动态分的
2.例子
for(int i=0;i- 此循环不能使用
#pragma omp for - 想要并行就必须使用task
3.task的结构
`#pragma omp task [clause[[,],clause]...]`
- 子句可以加入
if、untitled与所有数据环境
并行的链表举例
#pragma omp parallel
{
#pragma omp single private(p) //由一个线程进行预处理，其它线程什么都不做
{
p=listhead;
while(p)
{
#pragma omp task
process(p); //将链表内多个结点的处理并行进行，
//占用并行区内原本闲置的线程
p=next(p);
}
}
}
4.untied子句
- 创建的任务，默认将会与某个线程绑定，只能由某个线程来完成
-
untied可以用来解除这样的绑定
举例
#pragma omp single
{
#pragma omp task untied
for(i=0;i- 如果不作为united的任务，源源不断的新任务将撑爆内存
- untied允许任务的创建在其它线程间迁移
5.if子句
- 如果表达式为
false，整个编译指导语句无效 - 默认为
if(true)