Шеметов Даниил. Технология OMP. Поразрядная сортировка для целых чисел с четно-нечетным слиянием Бэтчера. Вариант 18

[7RosenRot]

Описание

Реализован гибридный алгоритм Radix Odd-Even Batcher's Merge Sort в параллельном варианте. Данная сортировка сочетает в себе поразрядную сортировку Radix Sort и итеративную сеть четно-нечетного слияния Бэтчера Odd-Even Batcher's Merge.

• Задача: Поразрядная сортировка для целых чисел с четно-нечетным слиянием Бэтчера.
• Вариант: 18
• Технология: OMP
• Описание реализации приведено ниже

Особенности параллельного алгоритма Radix Odd-Even Batcher's Merge Sort:

1. Блок подготовки. Так как алгоритм четно-нечётного слияния Бэтчера требует, чтобы длина подмассива была степенью двух, необходимо чтобы расширенный массив разбивался на 2^n частей. Мы выполняем разбиение, основываясь на количестве выделенных для работы потоков, что задает следующее требование: мы используем потоков не больше ближайшей снизу степени двух, т.е - 1 -> 1 (SEQ), 2 -> 2, 3 -> 2, 7 -> 4, 8 -> 8, 9 -> 8, ...

size_t threads = omp_get_max_threads();

size_t limit = 1;
while (limit * 2 <= std::min(threads, power_)) {
  limit *= 2;
}

size_t chunk_size = power_ / limit;

2. Параллельный блок. В предыдущем шаге мы получили 2^n подмассивов длины chunk_size. Теперь, для каждого из 2^n потоков мы вычисляем значение левого левый = номер_потока * длина_подмассива и правого правый = левый + длина_подмассива - 1 края.
   ● Сортировка - Выполняем поразрядную сортировку в указанных ограничениях и перед началом слияния дожидаемся окончания сортировки каждого потока #pragma omp barrier.
   ● Слияние - Теперь берем по два блока и сливаем их в один, то есть если бы у нас было 4 блока по 4 элемента, схема слияния выглядела бы так: 4 + 4 -> 8, 4 + 4 -> 8, 8 + 8 -> 16

#pragma omp parallel num_threads(limit) default(none) shared(ref_array, ref_power, chunk_size, limit, is_error)
  {
    size_t thread_num = omp_get_thread_num();
    size_t left = thread_num * chunk_size;
    size_t right = left + chunk_size - 1;

    std::vector<int> buffer;
    std::vector<int> position;

    RadixSort(ref_array, left, right, buffer, position);
#pragma omp barrier
    for (size_t segment = chunk_size * 2; segment <= ref_power; segment *= 2) {
#pragma omp for
      for (size_t i = 0; i < ref_power; i += segment) {
        OddEvenMerge(ref_array, i, segment);
      }
#pragma omp barrier
    }
  }

3. Быстродействие. Наибольшая производительность наблюдается при использовании 2-х потоков:
   (SEQ) 0.0317 vs 0.0216 (OMP), что составляет Ускорение = 1,47 и Эффективность 73%

Тестирование проводится на массиве длиной 2^17 + 1 = 131073 элементов, что дополняется до 262144 элементов

---

Чек-лист

• Статус CI: Все CI-задачи (сборка, тесты, генерация отчёта) успешно проходят на моей ветке в моем форке
• Директория и именование задачи: Я создал директорию с именем <фамилия>_<первая_буква_имени>_<короткое_название_задачи>
• Полное описание задачи: Я предоставил полное описание задачи в теле pull request
• clang-format: Мои изменения успешно проходят clang-format локально в моем форке (нет ошибок форматирования)
• clang-tidy: Мои изменения успешно проходят clang-tidy локально в моем форке (нет предупреждений/ошибок)
• Функциональные тесты: Все функциональные тесты успешно проходят локально на моей машине
• Тесты производительности: Все тесты производительности успешно проходят локально на моей машине
• Ветка: Я работаю в ветке, названной точно так же, как директория моей задачи
  (например, nesterov_a_vector_sum), а не в master
• Правдивое содержание: Я подтверждаю, что все сведения, указанные в этом pull request, являются точными и
  достоверными