parallel_for テンプレート関数

概要

値の範囲で並列反復を行うテンプレート関数。

ヘッダー

 #include "tbb/parallel_for.h"

構文

template<typename Index, typename Func>
Func parallel_for( Index first, Index_type last, const Func& f
                   [, partitioner[, task_group_context& group]] );

template<typename Index, typename Func>
Func parallel_for( Index first, Index_type last, 
                   Index step, const Func& f
                   [, partitioner[, task_group_context& group]] );

template<typename Range, typename Body> 
void parallel_for( const Range& range, const Body& body, 
                   [, partitioner[, task_group_context& group]] );

説明

parallel_for(first,last,step,f) は、ループの並列実行を表します。

for( auto i=first; i<last; i+=step ) f(i);

インデックスは整数型でなければなりません。ループはラップアラウンドしてはなりません。step 値は正数でなければなりません。省略された場合は、暗黙的に 1 になります。反復が並列に実行される保証はありません。より小さな反復がより大きな反復を待機する場合、デッドロックが発生することがあります。引数が指定されない場合、パーティショニング手法は auto_partitioner になります。

parallel_for(range,body,partitioner) は、並列反復のより一般的な形式を提供します。range の各値について body の並列実行を表します。オプションの partitioner は、パーティショニング手法を指定します。Range 型は、Range コンセプトをモデル化しなければなりません。ボディーは、以下の表の要件をモデル化しなければなりません。

parallel_for は、is_divisible() が各サブ範囲で false になるポイントまで、範囲をサブ範囲に再帰的に分割して、これらの各サブ範囲についてボディーのコピーを作成します。各ボディー/サブ範囲ペアについて、Body::operator() を呼び出します。空間のオーバーヘッドを最小化してキャッシュを効率的に使用するために、呼び出しは再帰的な分割を使用して交互に配置されます。

範囲とボディーのコピーの一部は、parallel_for のリターンの後に破棄されます。この後からの破棄は典型的な使用方法では問題ありませんが、複雑な副作用がある実行トレースの検索、範囲やボディー・オブジェクトの記述を行う際には注意する必要があります。

ワーカースレッドが利用可能な場合、parallel_for は非決定性順に反復を実行します。演算精度のために特殊な実行順に依存しないでください。しかし、効率のためには、parallel_for が値の連続する順に実行することを想定してください。

ワーカースレッドが利用できない場合、parallel_for は、次のように左から右に反復を実行します。再帰分割を表すバイナリーツリーを描くことを想像してください。各ノンリーフノードは、Range の分割コンストラクターの 1 つを呼び出してサブ範囲 r を分割することを表します。左の子は、r の更新された値を表します。右の子は新しく構築されたオブジェクトを表します。ツリーの各リーフは分割できないサブ範囲を表します。Body::operator() メソッドが各リーフのサブ範囲上で、左から右に呼び出されます。

すべてのオーバーロードを task_group_context オブジェクトを渡して、アルゴリズムのタスクがこのグループで実行されるようにすることができます。デフォルトでは、アルゴリズムは自身がバインドされているグループで実行されます。

計算量

範囲とボディーが O(1) 空間を使用して範囲をほぼ等しい断片に分割する場合、空間計算量は O(P log(N)) です。ここで、N は範囲のサイズ、P はスレッド数です。

サンプル

このサンプルは、input[i-1]、input[i]、および input[i+1] (1 <= i< n の場合) の平均を output[i] に設定する ParallelAverage ルーチンを定義します。

#include "tbb/parallel_for.h"
#include "tbb/blocked_range.h"

using namespace tbb;

struct Average {
    const float* input;
    float* output;
    void operator()( const blocked_range<int>& range ) const {
        for( int i=range.begin(); i!=range.end(); ++i )
            output[i] = (input[i-1]+input[i]+input[i+1])*(1/3.f);
    }
};

// 注: input[0..n] を読み取り output[1..n-1] を書き込む  
void ParallelAverage( float* output, const float* input, size_t n ) {
    Average avg;
    avg.input = input;
    avg.output = output;
    parallel_for( blocked_range<int>( 1, n ), avg );
    }

サンプル

このサンプルはより複雑で、STL に精通している必要があります。このサンプルでは、フラットな反復空間が及ばない parallel_for の能力を示します。コードは、2 つのソートされたシーケンスの並列マージを行います。このコードはランダムアクセス・イテレーターを使用して任意のシーケンスで動作します。アルゴリズム (Akl 1987) は、次のように再帰的に動作します。

1. シーケンスが並列処理を使用するには短すぎる場合は、シーケンシャル・マージを行います。その他の場合は、ステップ 2-6 を行います。
2. 必要な場合、シーケンスを交換します。その結果、最初のシーケンス [begin1,end1) は少なくとも 2 番目のシーケンス (begin2,end2) と同じくらいの長さになります。
3. m1 を [begin1,end1) の中央の位置に設定します。その位置 key のアイテムを呼び出します。
4. m2 を key が (begin2,end2) になる位置に設定します。
5. [begin1,m1) と [begin2,m2) をマージしてマージドシーケンスの最初の部分を作成します。
6. [m1,end1) と [m2,end2) をマージしてマージドシーケンスの 2 番目の部分を作成します。

このアルゴリズムによるインテル® TBB の実装は、範囲オブジェクトを使用してほとんどのステップを行います。is_divisible はステップ 1 とステップ 2 のテストを行います。分割コンストラクターはステップ 3-6 を行います。ボディー・オブジェクトはシーケンシャル・マージを行います。

#include "tbb/parallel_for.h"
#include <algorithm>

using namespace tbb;

template<typename Iterator>
struct ParallelMergeRange {
    static size_t grainsize;
    Iterator begin1, end1; // [begin1,end1) はマージする最初のシーケンス
    Iterator begin2, end2; // [begin2,end2) はマージする 2 つ目のシーケンス
    Iterator out;               // マージしたシーケンスを格納
    bool empty()   const {return (end1-begin1)+(end2-begin2)==0;}
    bool is_divisible() const {
        return std::min( end1-begin1, end2-begin2 ) > grainsize;
    }
    ParallelMergeRange( ParallelMergeRange& r, split ) {
        if( r.end1-r.begin1 < r.end2-r.begin2 ) {
            std::swap(r.begin1,r.begin2);
            std::swap(r.end1,r.end2);
        }
        Iterator m1 = r.begin1 + (r.end1-r.begin1)/2;
        Iterator m2 = std::lower_bound( r.begin2, r.end2, *m1 );
        begin1 = m1;
        begin2 = m2;
        end1 = r.end1;
        end2 = r.end2;
        out = r.out + (m1-r.begin1) + (m2-r.begin2);
        r.end1 = m1;
        r.end2 = m2;
    }
    ParallelMergeRange( Iterator begin1_, Iterator end1_, 
                        Iterator begin2_, Iterator end2_, 
                        Iterator out_ ) :
        begin1(begin1_), end1(end1_), 
        begin2(begin2_), end2(end2_), out(out_)
    {}
};

template<typename Iterator>
size_t ParallelMergeRange<Iterator>::grainsize = 1000;

template<typename Iterator>
struct ParallelMergeBody {
    void operator()( ParallelMergeRange<Iterator>& r ) const {
        std::merge( r.begin1, r.end1, r.begin2, r.end2, r.out );
    }
};

template<typename Iterator>
void ParallelMerge( Iterator begin1, Iterator end1, Iterator begin2, Iterator end2, Iterator out ) {
    parallel_for(     
       ParallelMergeRange<Iterator>(begin1,end1,begin2,end2,out),
       ParallelMergeBody<Iterator>(),
       simple_partitioner() 
    );
}

アルゴリズムは多くの位置を移動するため、帯域幅が制限されることがあります。速度向上の割合は、システムによって異なります。