c++ - GCC 8.1.0/MinGW64 编译的 OpenMP 程序崩溃寻找 cygwin.s?
问题描述
我正在使用 gcc 8.1.0 和 MinGW64(截至本月的最新版本)在 C++ 中学习 OpenMP,当我的程序遇到分段错误时,我遇到了一个奇怪的调试错误。
我知道崩溃的原因,试图创建太多的 OpenMP 线程(50,000),但让我感到困惑的是错误本身。我没有从源代码编译 gcc 或 MinGW64,我只是使用了安装程序,而且我在 Windows 上。
为什么要寻找 cygwin.s,为什么要在 Windows 上使用该文件结构?我的代码和来自 gdb 的错误消息低于关闭。
我在编写路径跟踪器的过程中学习 OpenMP,我认为我有一个解决线程限制的方法(使用 while (threads < runs) 并让 OpenMP 自动设置线程数),但我对错误。是否有解决方法或解决方案?
它适用于约 10,000 个线程。我知道它实际上并没有同时创建 10,000 个线程,但这是我在想到解决方法之前正在做的事情。
感谢您对 rand() 和线程安全的提醒。我最终用一些在 OpenMP 中运行良好的 RNG 代码替换了我的 RNG 代码,这在视觉上确实是昼夜不同。我将尝试其他更改并报告。谢谢!
哇!它运行得更快,而且图像没有伪影!谢谢!
贾丹布利斯
最终代码:
#pragma omp parellel
for (j = options.height - 1; j >= 0; j--){
for (i=0; i < options.width; i++) {
#pragma omp parallel for reduction(Vector3Add:col)
for (int s=0; s < options.samples; s++)
{
float u = (float(i) + scene_drand()) / float(options.width);
float v = (float(j) + scene_drand()) / float(options.height);
Ray r = cam.get_ray(u, v); // was: origin, lower_left_corner + u*horizontal + v*vertical);
col += color(r, world, 0);
}
col /= real(options.samples);
render.set(i,j, col);
col = Vector3(0.0);
}
}
错误:
启动程序:C:\Users\Jadan\Documents\CBProjects\learnOMP\bin\Debug\learnOMP.exe [新线程 22136.0x6620] [新线程 22136.0x80a8] [新线程 22136.0x8008] [新线程 22136.0x5428]
线程 1 收到信号 SIGSEGV,分段错误。___chkstk_ms () at ../../../../../src/gcc-8.1.0/libgcc/config/i386/cygwin.S:126 126
../../../.. /../src/gcc-8.1.0/libgcc/config/i386/cygwin.S:没有这样的文件或目录。
解决方案
以下是对您的代码的一些说明。
使用大量线程不会给您带来任何收益,并且可能是您出现问题的原因。线程创建有时间和资源成本。时间成本使得它可能是您程序中的主要时间,并且您的并行程序将远远长于其顺序版本。关于资源成本,每个线程都有自己的堆栈段。它的大小取决于系统,但典型值以 MB 为单位。我不知道你系统的特点,但是有100000个线程,这可能是你的代码崩溃的原因。我对有关 cygwin.s 的消息没有任何解释,但是在堆栈溢出之后,行为可能很奇怪。
线程是并行化代码的一种手段,并且对于数据并行性,在大多数情况下,拥有比系统上的逻辑处理器数量更多的线程是没有用的。让 openmp 设置它,但您可以稍后尝试调整这个数字。
除此之外,还有其他问题。
rand()
不是线程安全的,因为它使用将由线程同时修改的全局状态。rand_r()
是,因为随机生成器的状态不是全局的,可以存储在每个线程中。
result
您不应该像没有原子访问那样修改共享变量,因为并发线程访问可能会导致意外结果。虽然安全,但对每个值使用原子修改并不是一个非常有效的解决方案。原子访问非常昂贵,最好使用在每个线程中进行局部累积的归约,并在最后使用唯一的原子访问。
#include <omp.h>
#include <iostream>
#include <random>
#include <time.h>
int main()
{
int runs = 100000;
double result = 0.0;
#pragma omp parallel
{
// per thread initialisation of rand_r seed.
unsigned int rand_state=omp_get_thread_num()*time(NULL);
// or whatever thread dependent seed
#pragma omp for reduction(+:result)
for(int i=0; i<runs; i++)
{
double d = double(rand_r(&rand_state))/double(RAND_MAX);
result += d;
}
}
result /= double(runs);
std::cout << "The computed average over " << runs << " runs was "
<< result << std::endl;
return 0;
}
推荐阅读
- javascript - react-native-dropdown-picker, how to get selected index from Items
- azure - 用于货币信用的 Azure 仪表板小部件
- ios - I can't sniff QNetworkAccessManager requests from the app on my iPhone
- go - 使用内置 http 包在 golang 中创建 http 到 https 转换转发代理
- swift - How do I render CALayer sublayers in the correct position
- reactjs - BrowserRouter.push 不是使用 React-Router-Dom 的函数错误
- amazon-s3 - Split AWS Glue Table Partitions to RDS tables
- amazon-web-services - AWS policy StringNotLike not working as expected
- java - Spring Boot REST Validation is different from packed JAR to IDE started application
- ruby-on-rails - Rails 关联结构