如何拆分OpenMP同步屏障？

先跟你唠唠我的场景，我之前写过一段这样的代码：

std::vector<MyObject> data;
do {
    // 这段循环可能会跑100次甚至更多
    prepare();
    remaining = compute1(my_data);
    remaining -= compute2(my_data);
    cleanup(my_data);
} while (remaining > 0);

这里面的prepare()、compute1()、compute2()还有cleanup()每个都是计算密集型的函数，我已经用OpenMP给它们做了并行化，但现在碰到个头疼的问题：每个并行函数内部的全局同步屏障会互相拖后腿，每次循环都要等所有线程完成整个函数才能往下走，整体运行效率被拉低了不少。

针对这个情况，拆分OpenMP同步屏障的核心思路就是把大的并行块拆成更细粒度的局部并行，只在真正需要的节点做同步，而不是让每个函数都触发全局的屏障等待。给你几个具体的实操方法：

• 别在每个函数内部单独创建并行区域，把整个并行上下文提到循环外面，只初始化一次线程池，这样能避免反复创建销毁线程的开销，也更容易控制同步点：

  std::vector<MyObject> data;
  #pragma omp parallel
  {
      do {
          // 如果prepare不需要并行，用single指定单线程执行，nowait跳过不必要的等待
          #pragma omp single nowait
          {
              prepare();
          }
          #pragma omp barrier // 只在prepare完成后做一次全局同步
  
          // 把compute1拆成单元素处理的版本，用for+reduction做并行计算
          #pragma omp for reduction(-:remaining)
          for (int i = 0; i < my_data.size(); ++i) {
              remaining += compute1_single(my_data[i]);
          }
  
          #pragma omp barrier // 等所有线程完成compute1再往下走
  
          // 同理处理compute2
          #pragma omp for reduction(+:remaining)
          for (int i = 0; i < my_data.size(); ++i) {
              remaining -= compute2_single(my_data[i]);
          }
  
          #pragma omp barrier // compute2完成后同步
  
          #pragma omp single nowait
          {
              cleanup();
          }
      } while (remaining > 0);
  }
  

• 尽量用局部同步替代全局屏障，如果compute1和compute2之间没有强数据依赖，完全可以去掉它们之间的屏障，用nowait让两个计算阶段部分重叠，减少等待时间。

• 精准定位同步点：只在必须保证数据一致的节点设置屏障，比如共享数据要被修改或者读取前，其他非必要的同步全部去掉，别让线程做无意义的等待。

总结下来，拆分OpenMP同步屏障的关键就是减少全局同步次数，把同步点精准放在刀刃上，同时复用并行线程池，别让每个小函数都单独触发全局屏障拖慢整体速度。

内容来源于stack exchange