OpenMPによる並列化処理について

Question

OpenMPによる並列化処理について質問させてください。

今開発をしているプログラムに、OpenMPによる並列化処理を組み込みたいと考えております。
まずはOpenMPによる並列処理がどのようなものなのか試してみようと、適当なコードをかいて実行してみたのですが、実行時間が縮まるどころかむしろ大きく伸びてしまいました。理由が何なのか自分では見当が付きません。

実行時間が縮まらない原因としてどのような要因が考えられるか、皆様の意見をお聞かせください。

実行環境
OS：Linux version 4.4.52-2vl6
コンパイラ：gcc version 4.9.3
CPU：Intel(R) Core(TM) i7-2600 CPU @ 3.40GHz

#include<stdio.h>
#include<time.h>

double X[100][100],T[100000];

int main(void){

  int i,j,k,t;
  double tp,tnp,rate;
  clock_t start,stop;

  t = 100;
  //並列化しなかった場合
  for(k=0;k<t;k++){
    start = clock();
    //適当な処理
    for(j=0;j<100;j++){
      for(i=0;i<100;i++){
        X[i][j] = (i+j)-i*j;
      }
    }
    //適当な処理
    stop = clock();
    T[k]=  stop-start;
  }
  //t回の平均をとる
  for(k=0;k<t;k++){
    tnp += T[k];
  }
  tnp /= t;
  //t回の平均をとる
  //並列化しなかった場合

  //並列化した場合
  for(k=0;k<t;k++){
    start = clock();
    //適当な処理
    #pragma omp parallel
    {
      #pragma omp for
      for(j=0;j<100;j++){
        for(i=0;i<100;i++){
          X[i][j] = (i+j)-i*j;
        }
      }
    }
    //適当な処理
    stop = clock();
    T[k]=  stop-start;
  }
  //t回の平均をとる
  for(k=0;k<t;k++){
    tp += T[k];
  }
  tp /= t;
  //t回の平均をとる
  //並列化した場合

  rate = tp/tnp;
  printf("not paralleled time = %f\n",tnp);
  printf("paralleled time = %f\n",tp);
  printf("rate = %f\n",rate);

  return 0;
}

コンパイル時のオプションを、-fopenmp とした場合、出力は以下のようでした。

not paralleled time = 70.170000
paralleled time = 690.490000
rate = 9.840245

また、コンパイル時にオプションをつけなかった場合、出力は以下のようでした。

not paralleled time = 80.800000
paralleled time = 39.160000
rate = 0.484653

（コンパイル時のオプションを、-fopenmp となかった場合、並列化処理の効果が出ているように思えるのですが、参考にしたサイトには「オプションを-fopenmp としなかった場合OpenMPによる並列化処理は行われない」とあり、そこでも悩んでいます。）

Answer 1

小さな問題が2つと、根本的な問題が1つあります。

---

根本的な問題：

まずはOpenMPによる並列処理がどのようなものなのか試してみようと、適当なコードをかいて実行してみたのですが、実行時間が縮まるどころかむしろ大きく伸びてしまいました。

並列処理は魔法ではありません。このようにマイロベンチマーク計測用の軽いタスクを並列処理しても、「並列化により得られる削減効果」よりも「並列化オーバヘッド による追加処理」が上回ってしまい、結果として「並列処理を行なったのに却って遅くなった」という事象に直面します。

OpenMPに限らず、どのような並列処理技術をもってしても並列化オーバーヘッドは必ず存在します。並列処理の効果を測定するには、あなたのプログラムが 実際に行う（もしくは処理負荷が近い） 計算処理タスクを対象とすべきです。

---

小さな問題2つ：

また、コンパイル時にオプションをつけなかった場合、出力は以下のようでした。
（コンパイル時のオプションを、-fopenmp となかった場合、並列化処理の効果が出ているように思えるのですが、参考にしたサイトには「オプションを-fopenmp としなかった場合OpenMPによる並列化処理は行われない」とあり、そこでも悩んでいます。）

コンパイル時オプション -fopenmp を指定しなければ、あなたの期待通り OpenMPは無効化されます。つまり1回目と2回目の計測対象コードはいずれも逐次処理されます。

それでも結果が異なるように見えるのは、初回(〜数回目)の試行だけメモリアクセスが遅くなるためと考えられます。実際にT[k]の値を確認してみてください。一般に、複数回の計測を行うベンチマークでは「ウォームアップ(Warm-up)」が必要になります。これは近代的なコンピュータが持つメモリキャッシュ機構によるもので、同じメモリアクセスでも1回目と2回目以降のアクセス速度が異なる結果になることがよくあります。

#pragma omp for
for(j=0;j<100;j++){
 for(i=0;i<100;i++){
   X[i][j] = (i+j)-i*j;
 }
}

上記のコード片は変数iに関してデータ競合(data race)を引き起こすため、並列処理としては壊れています。OpenMPデフォルトでは変数を共有(shared)するため、ループカウンタ変数iが（変数jに関する）並列処理スレッド間で共有されてしまい、それぞれのスレッドで正しい処理が行われなくなります。

並列処理を正しく記述するのは非常に難しい（慣れていても間違う）ため、逐次処理結果と並列処理結果が同じになっているか、必ず確認することを強くおすすめします。

修正案1：

#pragma omp for private(i)
  // private節を明示
for(j=0;j<100;j++){
  for(i=0;i<100;i++){
     X[i][j] = (i+j)-i*j;
  }
}

修正案2：

#pragma omp for
for(j=0;j<100;j++){
  int i;  // ブロックスコープで変数宣言
  for(i=0;i<100;i++){
    X[i][j] = (i+j)-i*j;
  }
}

Comments

[atnet]

非常にわかりやすい回答ありがとうございます。
yohhoy様の回答を元に自分でもいろいろ勉強することができ、並列処理の仕組みやメモリキャッシュ機構の仕組みについて、簡単にですが理解することができました。
ベンチマークの結果も当初期待していたような値になりました。
ありがとうございました。