使用 OpenMP 并行 for 循环时，尤其是需要调整大小时，'std::vector”的有效替代方案是什么？

OpenMP 并行 For 循环中 std::vector 的替代品

在 OpenMP 中，在并行 for 中使用共享 std::vector循环可能会带来性能挑战。本文探讨了具有速度优势的潜在替代方案，特别是在循环执行期间需要调整大小时。

候选替代方案

• std ::具有 OpenMP Reduction 的向量：

  此方法涉及使用使用#pragma omp declareduction 声明的用户定义的归约。下面的代码演示了如何应用它来并行组合向量：

  #pragma omp declare reduction (merge : std::vector<int> : omp_out.insert(omp_out.end(), omp_in.begin(), omp_in.end()))
  
  std::vector<int> vec;
  #pragma omp parallel for reduction(merge: vec)
  for (int i = 0; i < 100; i++) vec.push_back(i);

• 具有静态调度和有序插入的std::vector：

  如果保留元素的顺序至关重要，则可以采用此技术。它利用静态时间表和有序部分以所需的顺序插入向量：

  std::vector<int> vec;
  #pragma omp parallel
  {
      std::vector<int> vec_private;
      #pragma omp for nowait schedule(static)
      for (int i = 0; i < N; i++) vec_private.push_back(i);
      #pragma omp for schedule(static) ordered
      for (int i = 0; i < omp_get_num_threads(); i++)
      {
          #pragma omp ordered
          vec.insert(vec.end(), vec_private.begin(), vec_private.end());
      }
  }

• 前缀求和方法：

  此方法避免为每个线程存储向量，而是选择并行合并的单个向量。它利用前缀和数组来跟踪插入点：

  std::vector<int> vec;
  size_t *prefix;
  #pragma omp parallel
  {
      int ithread = omp_get_thread_num();
      int nthreads = omp_get_num_threads();
      #pragma omp single
      {
          prefix = new size_t[nthreads + 1];
          prefix[0] = 0;
      }
      std::vector<int> vec_private;
      #pragma omp for schedule(static) nowait
      for (int i = 0; i < 100; i++) vec_private.push_back(i);
      prefix[ithread + 1] = vec_private.size();
      #pragma omp barrier
      #pragma omp single
      {
          for (int i = 1; i < (nthreads + 1); i++) prefix[i] += prefix[i - 1];
          vec.resize(vec.size() + prefix[nthreads]);
      }
      std::copy(vec_private.begin(), vec_private.end(), vec.begin() + prefix[ithread]);
  }
  delete[] prefix;

这些替代方案提供了在 OpenMP 环境中使用并行 for 循环和调整向量大小的有效且高效的方法，超越了限制由 std::vector 提出。

以上是使用 OpenMP 并行 for 循环时，尤其是需要调整大小时，'std::vector”的有效替代方案是什么？的详细内容。更多信息请关注PHP中文网其他相关文章！