讨论：C++并行技术，哪个最快？Qpar, PPL, AMP, OpenMP

[Svenson]

小弟做科学计算的，刚开始使用并行技术，想移植以前的代码。

Visual C++ （Visual Studio 2012）提供了4种并行技术：

Qpar：自动并行化，加速代码执行的编译器优化。个人感觉最无脑的并行技术，对代码更改最小
PPL：并发运行时（cocurrency runtime），数据并行或任务并行的类。功能很全面，相对比较简单
AMP：允许使用现代图形处理器进行通用编程的类，就是GPU并行技术。MS最新的并行技术，代码更改最大
OpenMP：OpenMP API的Microsoft实现。经典的外部并行技术库，很多科学计算都用这个，跨语言和平台

小弟看了MSDN文档，这么多方式，直接蒙了。到底哪个是最高效的呢？从MSDN原文来看，他强调，效率取决于硬件和环境，这不难理解。但是，小弟现在面临大量代码移植（之前用的是标准C++，核心算法用的是C，没有并行），到底选哪一个好呢？

自己用矩阵乘法比较了一下，发现在我的个人电脑（MacBook Pro）上，Qpar居然是效率最高的，因为他可以控制线程数量。

希望有大神分析一下。

[ri_aje]

ppl 是 task parallelism，AMP 和 OpenMP 都是 data parallelism，Qpar 不熟。 那个更合适，看算法性质。

[Svenson]

引用 7 楼 ri_aje 的回复:

ppl 是 task parallelism，AMP 和 OpenMP 都是 data parallelism，Qpar 不熟。 那个更合适，看算法性质。

一般科学计算就是求解大规模线性方程组。这么看来，肯定是data parallelism了哦？

[赵4老师]

无profiler不要谈效率！！尤其在这个云计算、虚拟机、模拟器、CUDA、多核 、多级cache、指令流水线、多种存储介质、……满天飞的时代！

[healer_kx]

你不问哪个最合适？

[Svenson]

引用 1 楼 healer_kx 的回复:

你不问哪个最合适？

就是不知道哪个最合适

[超级能量泡泡]

细粒度并行肯定是Qpar快一点。 不过如果你的显卡够强悍，或者支持下一代HSA中的共享内存，那么AMP可以在超高负荷时性能很好。

[FancyMouse]

“自己用矩阵乘法比较了一下，发现在我的个人电脑（MacBook Pro）上，Qpar居然是效率最高的，因为他可以控制线程数量。” 这句话吐槽点无数。 你既然不想写/改代码，那gpu什么的就别去想了，硬搬过去的代码的性能还不如同价位多弄个cpu。

[Svenson]

引用 4 楼 FancyMouse 的回复:

“自己用矩阵乘法比较了一下，发现在我的个人电脑（MacBook Pro）上，Qpar居然是效率最高的，因为他可以控制线程数量。” 这句话吐槽点无数。 你既然不想写/改代码，那gpu什么的就别去想了，硬搬过去的代码的性能还不如同价位多弄个cpu。

槽点有那么多吗 我确实不想用AMP，简单的一个for，要添加很多行代码才能实现。。。 感谢！

[Svenson]

引用 3 楼 daiweifeng 的回复:

细粒度并行肯定是Qpar快一点。 不过如果你的显卡够强悍，或者支持下一代HSA中的共享内存，那么AMP可以在超高负荷时性能很好。

MSDN上也爱用细粒度，什么意思我还不明白呢。能否指点一下

[ri_aje]

引用 8 楼 Svenson 的回复:

[quote=引用 7 楼 ri_aje 的回复:] ppl 是 task parallelism，AMP 和 OpenMP 都是 data parallelism，Qpar 不熟。 那个更合适，看算法性质。

一般科学计算就是求解大规模线性方程组。这么看来，肯定是data parallelism了哦？[/quote] 科学计算一般是数据并行的。 AMP 是基于 GPU (共享内存或独立内存) 计算的，OpenMP 是 CPU 多线程的。 从修改程序的角度看，把单线程 c++ 程序修改成 OpenMP 比较容易，基于 GPU 的编程还是有很多不同的。 从计算能力来看，一般现在的显卡比 CPU 能力大，AMP 有这方面的优势，对于独立内存的 GPU，还需要考虑传输数据带来的效率损耗，到底哪个更好，只能具体问题具体分析了。

[超级能量泡泡]

引用 6 楼 Svenson 的回复:

[quote=引用 3 楼 daiweifeng 的回复:] 细粒度并行肯定是Qpar快一点。 不过如果你的显卡够强悍，或者支持下一代HSA中的共享内存，那么AMP可以在超高负荷时性能很好。

MSDN上也爱用细粒度，什么意思我还不明白呢。能否指点一下[/quote] 并行粒度是指并行计算中每个线程处理的任务的复杂性，如果是普通for循环里面的代数计算，一般都是细粒度的，如果是任务切分+边界交换的MPI一般是粗粒度。