OpenMP的一点使用经验

这个学期学习了朱利老师讲的计算机系统结构，在第十章里讲解的就是多核编程，在这一章留了一个大作业，要求用到多核编程。由来就是这样，下面就对多核编程在应用方面做一个简单的介绍。
简单来说，由于现在电脑CPU一般都有四个核，8核的CPU的使用也逐渐越来越广泛，传统的单线程编程方式难以发挥多核CPU的强大功能，于是多核编程应运而生。按照我的理解，多核编程可以认为是对多线程编程做了一定程度的抽象，提供一些简单的API，使得用户不必花费太多精力来了解多线程的底层知识，从而提高编程效率。

目录

基本概念

这两天关注的多核编程的工具包括openMP和TBB。按照目前网上的论，TBB风头要盖过openMP，比如openCV过去是使用openMP的，但从2.3版本开始抛弃openMP，转向TBB。TBB还是比较复杂的，相比之下，openMP则非常容易上手。因为精力和时间有限，没办法花费太多时间去学习TBB，就在这里分享下这两天学到的openMP的一点知识，和大家共同讨论。
openMP是一个针对共享内存架构的多线程编程标准，是一个基于显式编译指导，与平台无关、并行程序设计的API，用于编写可移植的多线程应用程序。支持的编程语言包括C语言、C++和Fortran，支持OpenMP的编译器包括Sun Studio，Intel Compiler，Microsoft Visual Studio，GCC，支持大多数的类UNIX和Windows操作系统。
openMP程序设计模型提供了提供了一组与平台无关的编译指导（Pragmas）、指导命令（Directive）、函数调用和环境变量，显式地指导编译器开发程序中的并行性。对于很多的循环来说，都可以在循环体之前插入一条编译指导语句，使其以多线程执行。程序设计人员无需关心如何实现并行、如何同步等细节，这是编译器和OpenMP线程库的工作。程序设计人员需要认真分析哪些循环应该并行执行、如何重构算法以便适应多核架构等问题即可。

使用配置

在实验中我使用的是Microsoft Visual Studio 2015，CPU为Intel core i5 四核，首先讲一下在Microsoft Visual Studio 2015上openMP的配置。非常简单，总共分2步：

(1) 新建一个工程。这个不再多讲。

(2) 建立工程后，点击 菜单栏->Project->Properties，弹出菜单里，点击 Configuration Properties->C/C++->Language->OpenMP Support，在下拉菜单里选择Yes。

至此配置结束。

初步理解

下面我们通过一个小例子来说明openMP的易用性。这个例子是 有一个简单的test()函数，然后在main()里，用一个for循环把这个test()函数跑8遍。

这里是没有使用openMP执行的代码

#include <iostream>#include <time.h>void test(){    int a = 0;    for (int i = 0; i<100000000; i++)        a++;}int main(){    clock_t t1 = clock();    for (int i = 0; i<8; i++)         test();     clock_t t2 = clock();     std::cout << "time: " << t2 - t1 << std::endl;     return 0;}

#include <iostream>#include <time.h>void test(){    int a = 0;    for (int i = 0; i<100000000; i++)        a++;}int main(){     clock_t t1 = clock();     #pragma omp parallel for     for (int i = 0; i<8; i++)         test();     clock_t t2 = clock();     std::cout << "time: " << t2 - t1 << std::endl; }

由此我们可以看到openMP的简单易用。在上面的代码里，我们一没有额外include头文件，二没有额外link库文件，只是在for循环前加了一句#pragma omp parallel for。而且这段代码在单核机器上，或者编译器没有将openMP设为Yes的机器上编译也不会报错，将自动忽略#pragma这行代码，然后按照传统单核串行的方式编译运行！

对上面代码按照我的理解做个简单的剖析。
当编译器发现#pragma omp parallel for后，自动将下面的for循环分成N份，(N为电脑CPU核数)，然后把每份指派给一个核去执行，而且多核之间为并行执行。下面我们通过一段代码进行验证。

#include <iostream>using namespace std;int main(){     #pragma omp parallel for     for (int i = 0; i<10; i++)         cout << i <<" ";     cout << endl;     return 0; }

按照串行程序执行，我们得到的结果应该是0-9
注意：因为每个核之间是并行执行，所以每次执行时打印出的顺序可能都是不一样的。

竞态条件(race condition)

这是所有多线程编程最棘手的问题。该问题可表述为，当多个线程并行执行时，有可能多个线程同时对某变量进行了读写操作，从而导致不可预知的结果。比如下面的例子，对于包含10个整型元素的数组a，我们用for循环求它各元素之和，并将结果保存在变量sum里。

#include<iostream>int validate(){    int sum = 0;    int a[10] = { 1,2,3,4,5,6,7,8,9,10 };    #pragma omp parallel for    for (int i = 0; i < 10; i++)    {        sum += a[i];    }    return sum;}int main(){    int sum=validate();    while (sum == 55)    {        sum = validate();    }    std::cout << "sum:" << sum << std::endl;    return 0;}

如果我们注释掉#pragma omp parallel for，让程序先按照传统串行的方式执行，程序永远不会结束。很明显，sum 永远为 55。但按照并行方式执行后，sum则会变成其他值，比如在某次运行过程中，sum = 40。其原因是，当某线程A执行sum = sum + a[i]的同时，另一线程B正好在更新sum，而此时A还在用旧的sum做累加，于是出现了错误。
那么用openMP怎么实现并行数组求和呢？下面我们先给出一个基本的解决方案。该方案的思想是，首先生成一个数组sumArray，其长度为并行执行的线程的个数(默认情况下，该个数等于CPU的核数)，在for循环里，让各个线程更新自己线程对应的sumArray里的元素，最后再将sumArray里的元素累加到sum里，代码如下

#include <iostream>#include <omp.h>int main(){    int sum = 0;    int a[10] = { 1,2,3,4,5,6,7,8,9,10 };    int coreNum = omp_get_num_procs();//获得处理器的个数    int *sumArray = new int[coreNum];//对应于处理器的个数生成一个数组    for (size_t i = 0; i < coreNum; i++)//将数组的每个元素初始化为0    {        sumArray[i] = 0;    }    #pragma omp parallel for    for (int i = 0; i < 10; i++)//在OpenMP语句中的索引变量必须是有符号的整型    {        int k = omp_get_thread_num();//获得每个线程的ID        sumArray[k] = sumArray[k] + a[i];    }    for (size_t i = 0; i < coreNum; i++)    {        sum += sumArray[i];    }    std::cout << "sum:" << sum << std::endl;    return 0;}

需要注意的是，在上面代码里，我们用omp_get_num_procs()函数来获取处理器个数，用omp_get_thread_num()函数来获得每个线程的ID，为了使用这两个函数，我们需要include

归约(reduction)

上面的代码虽然达到了目的，但它产生了较多的额外操作，比如要先生成数组sumArray，最后还要用一个for循环将它的各元素累加起来，有没有更简便的方式呢？答案是有，openMP为我们提供了另一个工具，归约(reduction)，见下面代码：

#include<iostream>int main(){    int sum = 0;    int a[10] = { 1,2,3,4,5,6,7,8,9,10 };    #pragma omp parallel for reduction(+:sum)    for (int i = 0; i < 10; i++)    {        sum += a[i];    }    std::cout << "sum:" << sum << std::endl;    return 0;}

上面代码里，我们在#pragma omp parallel for 后面加上了 reduction(+:sum)，它的意思是告诉编译器：下面的for循环你要分成多个线程跑，但每个线程都要保存变量sum的拷贝，循环结束后，所有线程把自己的sum累加起来作为最后的输出。

critical

reduction虽然很方便，但它只支持一些基本操作，比如+,-,*,&,|,&&,||等。有些情况下，我们既要避免race condition，但涉及到的操作又超出了reduction的能力范围，应该怎么办呢？这就要用到openMP的另一个工具，critical。来看下面的例子，该例中我们求数组a的最大值，将结果保存在max里。

#include <iostream>int main() {     int max = 0;     int a[10] = { 11,2,33,49,113,20,321,250,689,16 };     #pragma omp parallel for     for (int i = 0; i<10; i++)     {        int temp = a[i];        #pragma omp critical        {             if (temp > max)                 max = temp;         }     }    std::cout << "max: " << max << std::endl;    return 0;}

上例中，for循环还是被自动分成N份来并行执行，但我们用#pragma omp critical将 if (temp > max) max = temp 括了起来，它的意思是：各个线程还是并行执行for里面的语句，但当你们执行到critical里面时，要注意有没有其他线程正在里面执行，如果有的话，要等其他线程执行完再进去执行。这样就避免了race condition问题，但显而易见，它的执行速度会变低，因为可能存在线程等待的情况。

扩展知识

有了以上基本知识，对我们来说做很多事情都足够了。下面我们来看一个具体的应用例，从硬盘读入两幅图像，对这两幅图像分别提取特征点，特征点匹配，最后将图像与匹配特征点画出来。理解该例子需要一些图像处理的基本知识，我不在此详细介绍。另外，编译该例需要opencv，我用的版本是3.2.0，因为没有添加opencv_contrib模块，所以没有再次测试，关于opencv的安装与配置也不在此介绍，可以参考OpenCV3.20 在VS2015中的配置，关于扩展模块opencv_contrib的安装可以参考这里。我们首先来看传统串行编程的方式。

#include "opencv2/highgui/highgui.hpp"#include "opencv2/features2d/features2d.hpp"#include <iostream>#include <omp.h>int main() {     cv::SurfFeatureDetector detector(400);     cv::SurfDescriptorExtractor extractor;     cv::BruteForceMatcher<cv::L2<float> > matcher;     std::vector< cv::DMatch > matches;     cv::Mat im0, im1;     std::vector<cv::KeyPoint> keypoints0, keypoints1;     cv::Mat descriptors0, descriptors1;     double t1 = omp_get_wtime();     //先处理第一幅图像     im0 = cv::imread("rgb0.jpg", CV_LOAD_IMAGE_GRAYSCALE);     detector.detect(im0, keypoints0);     extractor.compute(im0, keypoints0, descriptors0);     std::cout << "find " << keypoints0.size() << "keypoints in im0" << std::endl;     //再处理第二幅图像     im1 = cv::imread("rgb1.jpg", CV_LOAD_IMAGE_GRAYSCALE);     detector.detect(im1, keypoints1);     extractor.compute(im1, keypoints1, descriptors1);     std::cout << "find " << keypoints1.size() << "keypoints in im1" << std::endl;     double t2 = omp_get_wtime();     std::cout << "time: " << t2 - t1 << std::endl;     matcher.match(descriptors0, descriptors1, matches);     cv::Mat img_matches;     cv::drawMatches(im0, keypoints0, im1, keypoints1, matches, img_matches);     cv::namedWindow("Matches", CV_WINDOW_AUTOSIZE);     cv::imshow("Matches", img_matches);     cv::waitKey(0);    return 1;}

很明显，读入图像，提取特征点与特征描述子这部分可以改为并行执行，修改如下：

#include "opencv2/highgui/highgui.hpp"#include "opencv2/features2d/features2d.hpp"#include <iostream>#include <omp.h>int main() {    int imNum = 2;    std::vector<cv::Mat> imVec(imNum);    std::vector<std::vector<cv::KeyPoint>>keypointVec(imNum);    std::vector<cv::Mat> descriptorsVec(imNum);    cv::SurfFeatureDetector detector(400);        cv::SurfDescriptorExtractor extractor;    cv::BruteForceMatcher<cv::L2<float> > matcher;    std::vector< cv::DMatch > matches;    char filename[100];    double t1 = omp_get_wtime();    #pragma omp parallel for    for (int i = 0; i<imNum; i++)     {         sprintf(filename, "rgb%d.jpg", i);         imVec[i] = cv::imread(filename, CV_LOAD_IMAGE_GRAYSCALE);         detector.detect(imVec[i], keypointVec[i]);         extractor.compute(imVec[i], keypointVec[i], descriptorsVec[i]);         std::cout << "find " << keypointVec[i].size() << "keypoints in im" << i << std::endl;     }     double t2 = omp_get_wtime();     std::cout << "time: " << t2 - t1 << std::endl;     matcher.match(descriptorsVec[0], descriptorsVec[1], matches);     cv::Mat img_matches;     cv::drawMatches(imVec[0], keypointVec[0], imVec[1], keypointVec[1], matches, img_matches);     cv::namedWindow("Matches", CV_WINDOW_AUTOSIZE);     cv::imshow("Matches", img_matches);     cv::waitKey(0);     return 1;}

两种执行方式做比较，时间为：2.343秒v.s. 1.2441秒

在上面代码中，为了改成适合#pragma omp parallel for执行的方式，我们用了STL的vector来分别存放两幅图像、特征点与特征描述子，但在某些情况下，变量可能不适合放在vector里，此时应该怎么办呢？这就要用到openMP的另一个工具，section，代码如下：

#include "opencv2/highgui/highgui.hpp"#include "opencv2/features2d/features2d.hpp"#include <iostream>#include <omp.h>int main() {     cv::SurfFeatureDetector detector(400);        cv::SurfDescriptorExtractor extractor;     cv::BruteForceMatcher<cv::L2<float> > matcher;     std::vector< cv::DMatch > matches;     cv::Mat im0, im1;     std::vector<cv::KeyPoint> keypoints0, keypoints1;     cv::Mat descriptors0, descriptors1;     double t1 = omp_get_wtime();     #pragma omp parallel sections    {        #pragma omp section        {             std::cout << "processing im0" << std::endl;             im0 = cv::imread("rgb0.jpg", CV_LOAD_IMAGE_GRAYSCALE);             detector.detect(im0, keypoints0);             extractor.compute(im0, keypoints0, descriptors0);             std::cout << "find " << keypoints0.size() << "keypoints in im0" << std::endl;        }        #pragma omp section        {            std::cout << "processing im1" << std::endl;            im1 = cv::imread("rgb1.jpg", CV_LOAD_IMAGE_GRAYSCALE);            detector.detect(im1, keypoints1);            extractor.compute(im1, keypoints1, descriptors1);            std::cout << "find " << keypoints1.size() << "keypoints in im1" << std::endl;        }     }     double t2 = omp_get_wtime();     std::cout << "time: " << t2 - t1 << std::endl;     matcher.match(descriptors0, descriptors1, matches);     cv::Mat img_matches;     cv::drawMatches(im0, keypoints0, im1, keypoints1, matches, img_matches);     cv::namedWindow("Matches", CV_WINDOW_AUTOSIZE);     cv::imshow("Matches", img_matches);     cv::waitKey(0);     return 1;}

上面代码中，我们首先用#pragma omp parallel sections将要并行执行的内容括起来，在它里面，用了两个#pragma omp section，每个里面执行了图像读取、特征点与特征描述子提取。将其简化为伪代码形式即为：

#pragma omp parallel sections{    #pragma omp section    {        function1();    }　　#pragma omp section    {        function2();    }}

意思是：parallel sections里面的内容要并行执行，具体分工上，每个线程执行其中的一个section，如果section数大于线程数，那么就等某线程执行完它的section后，再继续执行剩下的section。在时间上，这种方式与人为用vector构造for循环的方式差不多，但无疑该种方式更方便，而且在单核机器上或没有开启openMP的编译器上，该种方式不需任何改动即可正确编译，并按照单核串行方式执行。

以上分享了这两天关于OpenMP的一点学习体会，其中难免有错误，欢迎指正。

在写上文的过程中，参考了包括以下两个网址在内的多个地方的资源，不再一 一列出，在此一并表示感谢。

http://blog.csdn.net/drzhouweiming/article/details/4093624
http://software.intel.com/zh-cn/articles/more-work-sharing-with-openmp
http://www.cnblogs.com/yangyangcv/archive/2012/03/23/2413335.html