问题描述
我是openmp的新手，但是几天来我一直对此感到困惑，无法在网上找到任何答案。希望这里有人可以向我解释这个奇怪的现象。
我想比较同一程序的顺序版本和并行版本之间的运行时。当我使用-O或更高版本编译它们（在gcc-10上）时，并行版本的运行速度比顺序版本（〜5倍）快得多（但不同级别之间的差异很小）。
但是，当我使用-O0编译两个程序时，情况并非如此。实际上，当使用-O0计算两个版本时，顺序版本甚至更快。我试图了解某些仅在O1及更高版本中启用的优化是否具有实质性效果，但没有运气。
从记录来看，使用-Os进行编译比-O0更好，但效率远低于-O1及更高版本。
有人注意到类似的东西吗？对此有解释吗？
谢谢！
====
以下是指向c文件的链接：sequential code，parallel code
解决方法
所有循环的核心类似于：
var += something;
在顺序代码中，每个var是一个本地堆栈变量，并且使用-O0，该行编译为：
; Compute something and place it in RAX
ADD QWORD PTR [RBP-vvv],RAX
这里vvv是var在堆栈帧中的偏移量，该偏移量植根于RBP中存储的地址。
使用OpenMP，对源代码进行某些转换，并且相同的表达式变为：
*(omp_data->var) = *(omp_data->var) + something;
其中omp_data是指向结构的指针，该结构包含指向并行区域中使用的共享变量的指针。编译为：
; Compute something and store it in RAX
MOV RDX,QWORD PTR [RBP-ooo] ; Fetch omp_data pointer
MOV RDX,QWORD PTR [RDX] ; Fetch *(omp_data->var)
ADD RDX,RAX
MOV RAX,QWORD PTR [RBP-ooo] ; Fetch omp_data pointer
MOV QWORD PTR [RAX],RDX ; Assign to *(omp_data->var)
这是并行代码速度较慢的第一个原因-递增var的简单操作涉及更多的内存访问。
第二个实际上更强的原因是错误共享。您有8个共享累加器：xa，xb等。每个累加器长8个字节，并在内存中对齐，总共64个字节。考虑到大多数编译器如何将此类变量放置在内存中，它们很可能最终在同一缓存行或两条缓存行中彼此相邻（x86-64上的缓存行的长度为64字节，并且作为单个单元读取和写入）。当一个线程向其累加器写入数据时，例如，线程0更新xa，这会使所有其他线程的累加器恰好位于同一高速缓存行中，从而使它们的高速缓存无效，并且它们需要从上级重新读取该值缓存甚至主存储器。这不好。这太糟糕了，以至于造成的减速比必须通过双指针间接访问累加器要糟糕得多。
-O1会发生什么变化？它引入了寄存器优化：
register r = *(omp_data->var);
for (a = ...) {
r += something;
}
*(omp_data->var) = r;
尽管var是一个共享变量，但OpenMP允许在每个线程中暂时分散内存视图。这样，编译器就可以执行寄存器优化，其中var的值在循环期间不会改变。
解决方案是简单地将所有xa，xb等设为私有。