MIC编程优化（1）——并行度优化

在计算机体系结构中，并行度是指指令并行执行的最大条数。在设计并行程序时，我们可以简单地把并行度认为是在多核/众核处理器上能同时执行的线程数/进程数。对于同一个程序，并行度设计方法的不同将会严重影响到程序的性能。MIC上的并行度优化主要涉及并行线程/进程的数目、并行层级、并行粒度等方面。  

1 并行度

MIC卡包含众多的物理核，同时每个核上可以开启4个线程，因此，程序员只有设计足够多的线程/进程才可以把所有的核利用起来。例如一块60个核的MIC卡上，我们最多可以开启240个线程，最佳线程数一般是每个核设置3个或4个线程，图1展示的是某一实际高性能应用程序在60个核的MIC卡上设置不同线程数的性能扩展性结果图，从该图可以看出，只有让MIC卡上的所有核都充分利用起来才能发挥MIC的最大性能。当然，也不是在MIC卡上设置的线程数越多越好，线程数太多的话，线程开销比较大，我们只需要设置的线程数可以保证程序并发度和MIC核的高利用率即可。

图1 某一高性能应用程序在MIC上的性能扩展性

2并行粒度

并行程序是否选择了合适的层级上实现并行，是性能优化中需要关心的重要问题。根据并行程序尽可能使用粗粒度的并行原则，尽可能在最上层并行化代码。在外层上并行除了带来易编程的好处之外，还可以带来好的性能：增加粒度，减少了线程调度和销毁的次数，也就是减少了线程本身的开销所占的比例，尤其对于MIC平台要开启上百个线程，减少线程的开启对性能影响更为重要；同时，隐藏了底层的线程交互，减少了不必要的同步带来的损耗。

下面通过简单的例子说明并行层级，例如程序中有两层循环，并且每层循环都没有数据依赖性，即两层循环都可以并行，根据并行程序尽可能使用粗粒度的并行原则我们可以采用在i层循环并行的方式。

1.          #pragma omp parallel for num_threads(THREAD_NUM) 2.          for (i=0; i<M; i++) 3.          { 4.              for (j=0; j<N; j++) 5.              { 6.                  … 7.              } 8.          }

当然，并不是所有的应用程序都是在外层循环并行效果最佳，外层循环的并行可能会导致线程之间访问的数据跨度比较大，可能会引起Cache miss，这种情况下可能采取内层循环的并行效果更佳，同时为了减少线程的开销，我们可以在外层for之前开启多线程，在内层for进行任务分发，如上面的代码采用下面的并行方式。

1           #pragma omp parallel num_threads(THREAD_NUM) 2           for (i=0; i<M; i++) 3           { 4           #pragma omp for 5                    for (j=0; j<N; j++) 6                    { 7                              … 8                } 9           }

在实际的应用程序中也可能出现某一层循环无法达到MIC的并行度要求，针对这种情况，我们可以采取多层循环合并的方式。例如上面的代码中M=20，N=30，无论我们并行哪层for都无法达到MIC的并行度要求，我们可以合并两层for，合并之后的循环次数为600次，显然可以满足MIC平台上的要求。当然，我们也可以采用嵌套并行的方式满足MIC的并行度要求。

合并循环：

1           #pragma omp parallel for num_threads(THREAD_NUM) 2           for (k=0; k<M*N; k++) 3           { 4               i = k/M; 5               j = k%M; 6               … 7           }

嵌套并行：

1           omp_set_nested(true); //允许嵌套并行 2           #pragma omp parallel for num_threads(THREAD_NUM1) 3           for (i=0; i<M; i++) 4           { 5           #pragma omp parallel for num_threads(THREAD_NUM2) 6               for (j=0; j<N; j++) 7               { 8                              … 9               } 10        }