OpenACC | Fortran90 含依赖的嵌套DO循环如何最大化并行性能？

你使用collapse(5)报错的核心原因是：OpenACC的collapse指令要求所有被折叠的循环的上界必须是编译期确定的常量，或是不随被折叠循环索引变化的外层不变量。你代码中NK(nbl)、NJ(nbl)、NI(nbl)的取值都随最外层循环索引nbl动态变化，编译器无法直接将5层循环压平为一维的线程映射，因此会抛出依赖错误。

你不需要将nbl层纳入collapse范围，只要将nbl层设为gang级并行，内部4层循环做collapse即可，全程仅启动1次GPU内核，完全利用nbl层的并行性，避免原有妥协版本循环启动内核的额外开销：

!$acc parallel loop gang independent
DO nbl = 1,nblocks
!$acc loop collapse(4) vector independent
DO n_prim = 1,nprims
DO k = 1, NK(nbl)
DO j = 1, NJ(nbl)
DO i = 1, NI(nbl)

    Px(i,j,k,nbl,n_prim) = i*j + Cx(i,j,k,nbl,1)*Cx(i,j,k,nbl,5) + Cx(i,j,k,nbl,2)
    
ENDDO
ENDDO
ENDDO
ENDDO
ENDDO
!$acc end parallel loop

该方案的并行逻辑为：每个nbl迭代分配给一个独立的GPU gang，gang内部的4层循环压平后映射到vector线程，没有跨迭代依赖，符合OpenACC规范。

用你现有的编译参数 -acc -fast -ta=tesla:managed -Minfo=accel 编译即可，编译器输出的accel信息会显示内核的gang级并行度为nblocks，vector级并行度为四层循环的总迭代数，并行度远高于你当前的妥协版本。

内容的提问来源于stack exchange，提问作者Prof. Albus Dumbledore