Eigen库SimplicialLLT多线程调用返回结果不正确问题求助

问题原因 #

你的问题核心出在subProg1内部声明的两个static变量：

static vector<SparseMatrix<double>> Kmat(NROW, SparseMatrix<double> (nodes*3,nodes*3));
static vector<SimplicialLLT<SparseMatrix<double>>> Kmat_LLT(Kmat.size());

函数内部的静态变量是全局共享的，所有线程都会操作同一份vector实例，直接带来两个风险：

1. 静态变量的初始化时机不确定：C++11之后虽然保证静态变量的构造过程是线程安全的，只会执行一次，但构造时使用的nodes参数是第一个进入subProg1的线程传入的值，如果你实际场景中不同线程传入的nodes可能不同，就会导致矩阵尺寸不符合预期。哪怕你现在所有线程传入的nodes都是20000，初始化完成前其他线程就开始写入Kmat或者调用compute的行为也属于未定义行为。
2. 隐含的竞态风险：虽然你给每个线程分配了独立的索引IROW，理论上不会互相覆盖，但如果你的实际代码中填充Kmat[IROW]的逻辑用到了任何共享变量没有加锁，或者Eigen内部的稀疏矩阵操作存在隐含的共享状态（比如内存池的线程安全问题），都会导致计算结果错误。

串行场景下之所以结果正常，是因为线程依次执行，第一个线程进入函数完成静态变量的完整初始化，后续线程直接使用已经构造好的vector，且同一时间只有一个线程读写vector元素，没有竞态，因此结果正确；并行场景下多个线程同时进入函数，静态变量初始化和后续的读写操作可能重叠，导致未定义行为，结果异常。

解决方案 #

方案1：完全避免变量共享（简单通用）

移除两个变量的static修饰符，让每个线程执行subProg1时独立创建自己的矩阵和LLT分解对象，完全规避共享风险：

void subProg1(int IROW, int nodes)
{
  // 去掉static，每个线程独有一份实例
  vector<SparseMatrix<double>> Kmat(NROW, SparseMatrix<double> (nodes*3,nodes*3));
  vector<SimplicialLLT<SparseMatrix<double>>> Kmat_LLT(Kmat.size());
  
  // 填充Kmat[IROW]的逻辑
  
  Kmat_LLT[IROW].compute(Kmat[IROW]);
  // 后续处理逻辑
}

方案2：提前初始化复用对象（性能更优）

如果你需要复用矩阵和LLT对象减少内存分配开销，可以在主线程启动子线程之前，提前完成两个vector的初始化，再给每个线程传入对应索引元素的引用，完全规避初始化阶段的竞态：

// 主线程中提前初始化
int main()
{
  int imax = 4;
  int nodes = 20000;
  vector<SparseMatrix<double>> Kmat(NROW, SparseMatrix<double> (nodes*3,nodes*3));
  vector<SimplicialLLT<SparseMatrix<double>>> Kmat_LLT(Kmat.size());
  std::thread threadpointer[4];

  for (int ii=0;ii<imax;ii++) {
    // 传入对应元素的引用给子线程
    threadpointer[ii] = std::thread(subProg1,ii, std::ref(Kmat[ii]), std::ref(Kmat_LLT[ii]));
  }
  for (int ii=0;ii<imax;ii++) {
    threadpointer[ii].join();
  }
}

// subProg1修改为接收对应实例的引用
void subProg1(int IROW, SparseMatrix<double>& Kmat, SimplicialLLT<SparseMatrix<double>>& Kmat_LLT)
{
  // 填充Kmat的逻辑
  
  Kmat_LLT.compute(Kmat);
  // 后续处理逻辑
}

校验方法 #

你可以在compute调用后添加校验，快速定位分解失败的问题：

Kmat_LLT[IROW].compute(Kmat[IROW]);
if(Kmat_LLT[IROW].info() != Eigen::Success) {
  cerr << "Thread " << IROW << " LLT decomposition failed!" << endl;
}

如果多线程场景下出现分解失败的提示，说明你填充Kmat的逻辑存在竞态，需要检查填充过程是否用到了未加锁的共享变量。

内容的提问来源于stack exchange，提问作者pk68