将是没有循环可并行化的函数吗？这能改写成长尾吗？

本文共计596个文字，预计阅读时间需要3分钟。

考察下面代码段，它是否表明了没有循环，我们可以认为它是并行的吗？

pythondef process_data(data): for item in data: # 处理数据项 pass

这段代码中使用了`for`循环，所以它不是并行的。并行通常意味着代码可以同时处理多个任务，而这个例子中每个任务都是顺序执行的。

考虑下面的代码,即使没有循环,我们可以认为它是并行的吗？

#include <omp.h> int main(void) { #pragma omp parallel { int a = 1; a = 0; } return 0; } 直接答案：

是的,在这里,您的代码部分,

int a = 1; a = 0;

并行运行,P次,其中P是机器上的核心数.

例如在四核机器上,以下代码(带有相关的导入),

int main(void) { #pragma omp parallel { printf("Thread number %d", omp_get_thread_num()); } return 0; }

输出：

Thread number 0 Thread number 1 Thread number 2 Thread number 3

请注意,当并行运行时,无法保证输出的顺序,因此输出可能就像：

Thread number 1 Thread number 2 Thread number 0 Thread number 3

另外,如果要指定并行区域中使用的线程数,而不是#pragma omp parallel,则可以编写#pragma omp parallel num_threads(4).

进一步说明：

如果您仍然感到困惑,那么更好地理解并行for循环和并行代码区域之间的区别可能会有所帮助.

#pragma omp parallel告诉编译器可以并行执行以下代码块.它保证在继续后续代码之前,并行区域内的所有代码都已完成执行.

在下面(玩具)示例中,程序员保证在并行区域之后,阵列将所有条目设置为零.

int *arr = malloc(sizeof(int) * 128); const int P = omp_get_max_threads(); #pragma omp parallel num_threads(P) { int local_start = omp_get_thread_num(); int local_end = local_start + (100 / P); for (int i = local_start; i < local_end; ++i) { arr[i] = 0; } } // any code from here onward is guaranteed that arr contains all zeros!

忽略调度中的差异,此任务可以使用并行for循环等效地完成,如下所示：

int *arr = malloc(sizeof(int) * 128); const int P = omp_get_max_threads(); #pragma omp parallel num_threads(P) for for (int i = 0; i < 128; ++i) { arr[i] = 0; } // any code from here onward is guaranteed that arr contains all zeros!

从本质上讲,#pragma omp parallel使您能够描述可以并行执行的代码区域 – 这比并行for循环更灵活.相反,#pragma omp parallel for通常应该用于并行化循环和独立迭代.

如果您愿意,我可以进一步详细说明性能上的差异.