本文主要是介绍windows C++ 并行编程-使用 加速器 对象(下)，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
并发运行时支持各种编程模型。 这些模型可能会与其他库的模型重叠或对其进行补充。 本部分中的文档将 OpenMP 与并发运行时进行比较，并提供有关如何迁移现有 OpenMP 代码以使用并发运行时的示例。
OpenMP 编程模型由开放标准定义，具有与 Fortran 和 C/C++ 编程语言定义完善的绑定。 OpenMP 2.0 版和 2.5 版（由 Microsoft C++ 编译器支持）都很适合迭代的并行算法；也就是说，它们在数据数组上执行并行迭代。 OpenMP 3.0 除了迭代任务外，还支持非迭代任务。
当预设了并行度，并匹配了系统上的可用资源时，OpenMP 的效率最高。 OpenMP 模型特别适合将大量运算问题分配到单一计算机的处理资源中的高性能计算。 在此方案中，硬件环境通常是固定的，开发人员可以合理期望执行该算法时拥有对所有计算资源的独占访问权限。
但是，OpenMP 可能不适合约束较少的计算环境。 例如，通过使用 OpenMP 2.0 和 2.5 来实现递归问题（如快速排序算法或搜索数据树）会更加困难。 并发运行时通过提供异步代理库和并行模式库 (PPL) 来补充 OpenMP 的功能。 异步代理库支持粗粒度任务并行性；PPL 支持更细粒度的并行任务。 并发运行时提供了并行执行操作所需的基础结构，以便可以专注于应用程序的逻辑。 但是，由于并发运行时支持各种编程模型，因此其计划开销可能大于其他并发库（如 OpenMP）。 因此，若要转换现有 OpenMP 代码以使用并发运行时，建议以增量方式测试性能。
如何：转换 OpenMP parallel for 循环以使用并发运行时
此示例演示了如何转换使用 OpenMP parallel 和 for 指令的基本循环来使用并发运行时 concurrency::parallel_for 算法。
示例 - 质数
此示例使用 OpenMP 和并发运行时来计算随机值数组中的质数计数。
// concrt-omp-count-primes.cpp
// compile with: /EHsc /openmp
#include <ppl.h>
#include <random>
#include <array>
#include <iostream>using namespace concurrency;
using namespace std;// Determines whether the input value is prime.
bool is_prime(int n)
{if (n < 2)return false;for (int i = 2; i < n; ++i){if ((n % i) == 0)return false;}return true;
}// Uses OpenMP to compute the count of prime numbers in an array.
void omp_count_primes(int* a, size_t size)
{if (size == 0)return;size_t count = 0;#pragma omp parallel forfor (int i = 0; i < static_cast<int>(size); ++i){if (is_prime(a[i])) {#pragma omp atomic++count;}}wcout << L"found " << count << L" prime numbers." << endl;
}// Uses the Concurrency Runtime to compute the count of prime numbers in an array.
void concrt_count_primes(int* a, size_t size)
{if (size == 0)return;combinable<size_t> counts;parallel_for<size_t>(0, size, [&](size_t i) {if (is_prime(a[i])) {counts.local()++;}});wcout << L"found " << counts.combine(plus<size_t>()) << L" prime numbers." << endl;
}int wmain()
{// The length of the array.const size_t size = 1000000;// Create an array and initialize it with random values.int* a = new int[size];mt19937 gen(42);for (size_t i = 0; i < size; ++i) {a[i] = gen();}// Count prime numbers by using OpenMP and the Concurrency Runtime.wcout << L"Using OpenMP..." << endl;omp_count_primes(a, size);wcout << L"Using the Concurrency Runtime..." << endl;concrt_count_primes(a, size);delete[] a;
}本示例生成以下输出。
Using OpenMP...
found 107254 prime numbers.
Using the Concurrency Runtime...
found 107254 prime numbers.parallel_for 算法和 OpenMP 3.0 允许索引类型为有符号整型或无符号整型类型。 parallel_for 算法还确保指定的范围不会溢出有符号类型。 OpenMP 版本 2.0 和 2.5 仅允许有符号整型索引类型。 OpenMP 也不验证索引范围。
此示例使用并发运行时的版本还使用并发 concurrency::combinable 对象代替 指令来递增计数器值，无需同步。
示例 - 使用 std::array
此示例对上一示例进行了修改，从而对 对象而不是本机数组执行操作。 由于 OpenMP 版本 2.0 和 2.5 仅允许 parallel_for 构造中使用有符号整型索引类型，因此不能使用迭代器并行访问 C++ 标准库容器的元素。 并行模式库 (PPL) 提供 concurrency::parallel_for_each 算法，该算法在迭代容器（例如 C++ 标准库提供的容器）上并行执行任务。 它与 parallel_for 算法使用相同的分区逻辑。 parallel_for_each 算法类似于 C++ 标准库 std::for_each 算法，但是 parallel_for_each 算法会并行执行任务。
// Uses OpenMP to compute the count of prime numbers in an
// array object.
template<size_t Size>
void omp_count_primes(const array<int, Size>& a)
{if (a.size() == 0)return;size_t count = 0;int size = static_cast<int>(a.size());#pragma omp parallel forfor (int i = 0; i < size; ++i){if (is_prime(a[i])) {#pragma omp atomic++count;}}wcout << L"found " << count << L" prime numbers." << endl;
}// Uses the Concurrency Runtime to compute the count of prime numbers in an
// array object.
template<size_t Size>
void concrt_count_primes(const array<int, Size>& a)
{if (a.size() == 0)return;combinable<size_t> counts;parallel_for_each(begin(a), end(a), [&counts](int n) {if (is_prime(n)) {counts.local()++;}});wcout << L"found " << counts.combine(plus<size_t>()) << L" prime numbers." << endl;
}编译代码
复制示例代码，并将它粘贴到 Visual Studio 项目中，或粘贴到名为 concrt-omp-count-primes.cpp 的文件中，再在 Visual Studio 命令提示符窗口中运行以下命令。
cl.exe /EHsc /openmp concrt-omp-count-primes.cpp这篇关于windows C++ 并行编程-使用 加速器 对象(下)的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
