OpenMP使用笔记
作者：马健
邮箱：stronghorse_mj@hotmail.com
主页：https://www.cnblogs.com/stronghorse/
CEP从v6.00开始使用OpenMP并行处理架构来获取更快的图像处理速度，本文是对开发过程中碰到的一些问题的记录，仅供软件开发人员参考，普通用户请勿乱入。
一、OpenMP是什么？
百度百科中对OpenMP的解释是：
OpenMp提供了对并行算法的高层的抽象描述，程序员通过在源代码中加入专用的pragma来指明自己的意图，由此编译器可以自动将程序进行并行化，并在必要之处加入同步互斥以及通信。
简单粗暴的无责任解释就是：普通C++的执行顺序是串行执行，执行完一条指令才能执行下一条指令。改成并行架构后，可以同时并行执行多条指令，在指令总数不变的情况下所需的总执行时间就会减小。OpenMP说的“并行”，其实是线程之间的并行，即原先是单线程的软件，改成OpenMP版就成了多线程并行执行的软件，类似网络下载工具中的多线程下载工具。而且OpenMP在缺省情况下会自动用满CPU的物理线程数，即如果是在8线程的CPU上跑，OpenMP在缺省情况下就会自动启动8线程的线程池进行并行处理。所以运行带OpenMP的软件时CPU负载比较重，有时候甚至都能影响到鼠标指针的反应速度。
OpenMP的官方网站见这里，其中包括最新的规范文档等：
https://www.openmp.org/
如果只是想简单了解OpenMP编程，建议看这里：
https://www.cnblogs.com/yangyangcv/archive/2012/03/23/2413335.html
如果想详细了解OpenMP编程，可以看：
雷洪编著.多核异构并行计算OpenMP4.5 C/C++篇[M].北京：冶金工业出版社,2018.04. ISBN 978-7-5024-7657-1
如果想进一步了解OpenMP内部的实现机理，可以看：
罗秋明，明仲，刘刚等编著.OpenMP编译原理及实现技术[M].北京：清华大学出版社,2012.05. ISBN 978-7-302-27298-4
二、OpenMP的作用有多大？
按照一般人的理解，单线程变成多线程并行，所需执行时间应该是线程数的倒数，例如在8线程CPU上执行，所需时间就应该是原来的八分之一。但是在CEP开发过程中，我从来就没有遇见过这么美妙的事情，在我用的8线程CPU Intel i7 870上，CEP单个图像处理功能在改得最好的情况下，实测的OpenMP处理时间最多只能缩短到原先单线程处理时间的三分之一，如果代码改得有毛病，大量使用critical等线程同步器，甚至有可能比单线程执行时间更长。
虽然现实没有想象的那么美好，但能快一点是一点，想想看原先要达到人类忍受极限的7秒处理，现在可能只需要2秒多就能完成，也是可以暗爽一下的事情。而且i7 870毕竟是10多年前的CPU，以后如果换成16线程或更多线程的CPU，还能进一步提速，也算给花钱买好CPU的人一个安慰。至于那些天天把“性价比”挂在嘴边的人，就没有必要去关心了。
三、OpenMP使用有哪些限制？
除了OpenMP语法上的一些要求，比如说parallel for的循环变量必须是int类型等，在CEP开发过程中还发现以下限制：
- 不能用于迭代过程，例如用中位切分（Median cut）算法做色彩量化。迭代过程都是逐步逼近，某个线程从中间横插一杠子进来算怎么回事？
- 不宜用于滚动算法，例如积分图计算、局部直方图计算等。这种情况不是不能并行，而是各线程初始化时需要消耗大量时间和资源，可能得不偿失。
- 对于存在资源竞争的场合需要仔细测试，以定量数据为基准评估究竟是否值得上OpenMP。理论上说可以用线程同步机制解决关键资源的并发访问冲突，用多开缓冲区的方式解决内存冲突，但是这些解决方案都要耗时，最终可能导致用OpenMP的时间比不用还长。例如在一个循环体内需要频繁对同一个共享vector进行push和pop操作，如果每次都用critical加锁，其实并行处理的意义也就不大了。
- 最好把用了OpenMP的函数列个清单，调用的时候注意小心不要陷入线程风暴，具体后面再讲。
另外还有一个隐含的对人的限制：既然OpenMP是多线程的，那么写OpenMP代码的人就应该对多线程非常熟悉才行，尤其是在需要线程同步的时候，如果经验不足就可能要看着bug发呆，因为未同步导致的共享资源冲突bug，比如说缓冲区越界，IDE自动中断报错的地方可能和真正出问题的地方相聚甚远。
当然以上限制也并非绝对禁区。比如说CEP中的某个递推算法，在处理单通道灰度图像时我无论如何也不能将此递推过程并行化，但在处理3通道彩色图像时，各通道允许单独处理，于是就把三个通道分开，并行调用3次单通道处理函数对3个通道分别处理，再合并成3通道结果图，最终在处理彩色图时也能达到提速的效果。为此付出的代价就是缓冲区消耗是以前的3倍，所以用了OpenMP后我只敢发行64位版，32位版可怜的地址空间真心扛不住啊。
四、线程风暴
前面一直在说OpenMP是基于多线程的，即碰到OpenMP并行域，软件就会自动启动规定数量（缺省数量是CPU的物理线程数）的线程。那么如果出现了OpenMP嵌套调用，就有可能会引发线程风暴。举个例子：函数A里用OpenMP并行执行一个循环体，循环体内部又调用了函数B，在B中同样用OpenMP并行执行一个循环体，参见下面的示例代码，那么在函数A的执行过程中，系统究竟会启动几个线程？
void Fun_B()
{
#pragma omp parallel for
for (int i = 0; i < 1000; i++) {
……
}
}
void Fun_A()
{
#pragma omp parallel for
for (int i = 0; i < 1000; i++) {
Fun_B();
}
}
void main()
{
// 执行这一句的过程里，究竟会启动几个线程？
Func_A();
}
这个问题的答案完全取决于编译器对OpenMP的具体实现：
- 如果实现得比较low，不能检测到这种嵌套调用并进行相应处理，就会出现线程风暴。以8线程CPU为例，在函数A里会并行启动8个线程执行循环体，然后每个线程在执行到对函数B的调用时，又会在函数B中再启动8个线程，最终一共有8×8=64个线程在同时运行。如果再进行一层嵌套，则会有64×8=512个线程并行。这么多的线程数量远远超过CPU物理线程数，排队等待线程调度的时间都可能超过线程的执行时间。
- 如果实现得比较好，就会自动检测到这种嵌套调用，并且在发现嵌套后就自动把多线程变成单线程。还是以上面的代码为例，函数A中启动8个线程并行执行，调用到函数B时发现已经是处于多线程并行状态，就自动把函数B中的循环体串行执行，而不是启动多线程并行执行，所以最终同时运行的线程数就是8个。
以Intel C++ Compiler（ICC）为例，早期ICC提供的OpenMP静态库就不能检测并防止线程风暴，但OpenMP动态库则能有效检测并防止线程风暴，所以后来从ICC v13.0开始干脆就不再提供OpenMP静态库，一律要求用动态库，为此在Intel开发社区还吵吵过一阵，一堆人各种不习惯。
但是如果混用不同C++编译器所编译的OpenMP代码，则仍然可能产生线程风暴，因为一家的OpenMP不一定能识别另一家的OpenMP已经在运行。举个例子，如果用微软的VC 2008开发一款图像处理软件，但为了加速性能又调用了Intel的Integrated Performance Primitives（IPP）库，并且link了IPP的多线程版本lib，则在VC代码中用OpenMP并行调用IPP库函数时就要格外小心，因为IPP是用ICC编译的，在IPP库函数内部确实能够防止ICC自己的OpenMP嵌套调用，但它不能识别VC的OpenMP状态，所以二者混用就可能产生线程风暴，表现出的结果就是速度变得相当慢，或者因为资源冲突而出各种幺蛾子，比如说用UIC解码出来的图像是花的。
Intel开发社区对此给出的建议是：任何时候只使用一家编译器的OpenMP。以上面举例的情况为例，就是只在VC中使用OpenMP，然后link到IPP的单线程版lib，就不会出现风暴，VC自己总能识别自己的OpenMP状态，避免嵌套。所以IPP v7.1的多线程版lib文件就被从IPP安装包中剥离，需要用单独的安装包进行安装；IPP v8虽然把多线程版lib又集成到了安装包里，但需要手工选择安装，缺省是不装的；从IPP v8.2开始干脆直接把多线程库标注为deprecated。
如果实在不能避免混用，或者说自己都搞不清编译器是否能自动避免嵌套，那就像前面说的一样自己维护一个使用了OpenMP的函数清单，在调用清单上的函数时，就不要再并行处理了。IPP每个版本都会附上这么一个清单，供用户调用时参考。
有些第三方库未使用OpenMP，而是用自己的线程池进行并行处理，则在OpenMP调用时同样要加以小心。例如libwebp，允许在调用解码接口时指定是否要启动多线程模式，如果是则在解码时启动自己的线程池进行并行解码以加快解码速度，这个线程池与OpenMP的线程池显然互不认识，极易引发线程风暴。所以在调用libwebp解码webp图像时，要么指定不使用libwebp的多线程模式，要么就只串行调用libwebp的多线程解码接口。
五、运行库支持
VC 2008开发的OpenMP应用软件在运行时需要VC 2008运行库的支持，否则在运行时就会报告“应用程序的并行配置不正确”，装上VC 2008运行库就没事了。具体请百度“应用程序的并行配置不正确”。
VC运行库其实就是一堆动态库（DLL文件），所以虽然没有直接证据，但我怀疑VC和ICC一样，都是用动态库防止OpenMP嵌套，从而抑制线程风暴。
Intel的人在Intel社区简单解释过ICC中OpenMP动态库与静态库在防止嵌套方面的区别，原贴一时找不到，我记得的大致意思是：如果link到OpenMP的静态lib，那么OpenMP调用相当于inline，会散布在各个调用处，相互之间没啥关联，所以就不能检测到嵌套调用。如果link到OpenMP的动态lib，那么所有OpenMP调用都要共享OpenMP DLL中的唯一实现（操作系统自动保证单一进程空间中同一个DLL只能有一个实例），所以在DLL中做标记就能检测到嵌套调用，再根据检测结果决定是起多线程并行执行还是直接串行执行，就不会引发线程风暴。
每家编译器都有自己实现的OpenMP DLL，每家DLL又只认自己设置的标记，所以当进程空间中同时存在多家OpenMP DLL时，即使每个OpenMP DLL都能防止自己嵌套调用，多个OpenMP DLL之间仍然不能防止互相嵌套。按照Intel社区建议只使用一家编译器的OpenMP，就是整个进程空间中只有一个OpenMP DLL，才能真正防止嵌套调用。
（完）
