多线程之OMP

记录在学习games101的时候碰到的多线程知识

以下所有结果均在Ubuntu 22.04.2 LTS操作系统下使用g++ 11.3.0运行

所有的问题来自下面这段代码，这是games101 的第七次作业的一部分，需要使用多线程加速Path Tracing

int use_critical =0;
      float pocess=0;
      float scale = tan(deg2rad(scene.fov * 0.5));
      float imageAspectRatio = scene.width / (float)scene.height;
      Vector3f eye_pos(278, 273, -800);
      std::cout << "SPP: " << spp << "\n";
      int cpuNum= sysconf(_SC_NPROCESSORS_CONF);
std::cout<<"Cpu Num :" <<cpuNum<<std::endl;
      omp_set_num_threads(cpuNum);
      //int handle[cpuNum];
      float minY=0.0f,maxY=0.0f;
      int m = 0;
      int hxw=scene.width*scene.height;
      #pragma omp parallel for shared(pocess)
          for (uint32_t p = 0; p < hxw; ++p)
          {
              int i = p % scene.height;
              int j = p / scene.height;
              // generate primary ray direction
              float x = (2 * (i + 0.5) / (float)scene.width - 1) *
                        imageAspectRatio * scale;
              float y = (1 - 2 * (j + 0.5) / (float)scene.height) * scale;

              Vector3f dir = normalize(Vector3f(-x, y, 1));
              for (int k = 0; k < spp; k++)
              {
                  framebuffer[p] += scene.castRay(Ray(eye_pos, dir), 0) / spp;
              }
              pocess++;
              #pragma omp critical 
                  UpdateProgress(pocess / (float)(scene.height * scene.width));
          }
           //Threadlist[i]=std::thread(RenderWithMultiThread,minY,maxY);
          minY=maxY+1.0f;
      UpdateProgress(1.f);
      // save framebuffer to file
      string filename ="binaryWithMultiThread";
      filename +=std::to_string(std::chrono::duration_cast<std::chrono::seconds>(std::chrono::system_clock::now()-start).count())+".ppm";
      FILE* fp = fopen(filename.c_str(), "wb");
      (void)fprintf(fp, "P6\n%d %d\n255\n", scene.width, scene.height);
      for (auto i = 0; i < scene.height * scene.width; ++i) {
          static unsigned char color[3];
          color[0] = (unsigned char)(255 * std::pow(clamp(0, 1, framebuffer[i].x), 0.6f));
          color[1] = (unsigned char)(255 * std::pow(clamp(0, 1, framebuffer[i].y), 0.6f));
          color[2] = (unsigned char)(255 * std::pow(clamp(0, 1, framebuffer[i].z), 0.6f));
          fwrite(color, 1, 3, fp);
      }
      fclose(fp);

OMP如何跑起来？

在linux操作系统下，使用g++ test.cpp \-fopenmp \-o test编译。先测试一下这段代码，以确保你会使用g++进行编译：

#include <iostream>
using std::cout;
using std::endl;
int main()
{
    #pragma omp parallel
    cout<<"hello,openmp!\n";
    cout.flush();
}

编译运行：

g++ test.cpp -fopenmp -o test
./test

你可能得到的是不同的结果，但应该也只是数量上的不同，这取决于你电脑的核心数目。

我们正式开始

#pragma omp parallel

这个预处理用于开启多线程，上面已经实验过了，这里不进行过多的解释。接下来让我们控制线程的数量：

线程数量

#pragma omp parallel num_threads(2)

#include <iostream>
using std::cout;
using std::endl;
int main()
{
    #pragma omp parallel num_threads(2)
    cout<<"hello,openmp!\n";
    cout.flush();
}

运行这段代码，你可以看到hello 只剩下了两个。

APIomp_set_num_threads()

首先添加头文件#include"omp.h"，然后使用APIomp_set_num_threads()

#include <iostream>
#include"omp.h"
using std::cout;
using std::endl;
int main()
{
    omp_set_num_threads(2);
    #pragma omp parallel
    cout<<"hello,openmp!\n";
    cout.flush();
}

可以得到和上面一样的结果。

环境变量OMP_NUM_THREADS

在编译之前，加上这句修改环境变量的指令，就可以实现运行前，编译后修改线程数量了。

export OMP_NUM_THREADS=2

在此之前，把你的测试代码修改为这样：并重新编译，然后你便可以控制你的线程数量了

#include <iostream>
#include"omp.h"
using std::cout;
using std::endl;
int main()
{
    #pragma omp parallel
    cout<<"hello,openmp!\n";
    cout.flush();
}

加速for循环

#omp pragma parallel for

#include <iostream>
#include <chrono>
#include "omp.h"
using std::cout;
using std::endl;
int main()
{
    long long sum = 0;
    auto start = std::chrono::system_clock::now();
    #pragma omp parallel reduction(+:sum)
    #pragma omp for 
    for (int i = 3; i < 500000; i++)
    {
        bool flag = true;
        for (int j = 2; j < i; j++)
        {
            if (i % j == 0)
            {
                flag = false;
                break;
            }
        }
        if (flag)
            sum += i;
    }
    auto end = std::chrono::system_clock::now();
    cout<<std::chrono::duration_cast<std::chrono::microseconds>(end-start).count()<<endl;
    cout << "sum: " << sum << endl;
    cout.flush();
}

我随便写了一段，来对比多线程与单线程的差距：图中第一个是16线程跑出来的\(2530ms\)，也就是2.5s，第二个是单线程，\(14147ms\)，也就是14.1s接近7倍的差距，没有16倍的速度是很正常的，我这个测试程序写的非常随意。只是单纯的说明加速情况而已。当然，答案是一样的。

上面代码中还出现了reduction(+:sum)这样的指令，这是我们接下来要讲的东西。

规约操作

使用reduction()来制定规约操作

reduction(<operator>: <variable list>)

这个指令可以让所有线程的结果通过规约合并在一起，比如上面程序的+:sum，就是每个线程分别计算sum，再累加在一起。

本文参考

大佬的博客