Более медленный код с OpenMP, как его можно распараллелить?

Тот факт, что вы используете OpenMP, не означает, что ваша программа будет работать быстрее. Здесь может произойти несколько вещей:

1. Существует стоимость, связанная с созданием каждого потока, и если вы создаете поток для выполнения небольшого объема вычислений, создание самого потока займет больше времени, чем вычисление.

2. По умолчанию OpenMP создаст максимальное количество потоков, поддерживаемое вашим процессором. С процессорами, которые поддерживают 2 или более потоков на ядро, потоки будут конкурировать за ресурсы каждого ядра. Используя omp_get_num_threads(), вы можете увидеть, сколько потоков будет создано по умолчанию. Я рекомендую попробовать запустить ваш код с половиной этого значения, используя omp_set_num_threads().

Вы подтвердили, что результаты были одинаковыми с OpenMP и без него? Кажется, есть зависимость с переменными j и c2. Вы должны объявить их приватными для каждого потока:

#pragma omp parallel for private(j,c2)

Я хотел добавить еще одну вещь: прежде чем пытаться распараллелить, вы должны убедиться, что код уже оптимизирован.

В зависимости от вашего компилятора, флагов компилятора и сложности инструкции компилятор может оптимизировать ваш код, а может и нет:

// avoid calculation nnoib-2 every iteration
int t_nnoib = nnoib - 2;
for (i=2; i< t_nnoib; ++i){
    // avoid calculation nnojb-2 every iteration
    int t_nnojb = nnojb - 2;
    // avoid loading absi[i] every iteration
    int t_absi = absi[i];
    for (j=2; j< t_nnojb; ++j) {
        C[i][j]= t_absi * absj[j] *
             (2.0f*B[i][j] + t_absi * absj[j] *
             (VEL[i][j] * VEL[i][j] * fat *
             (16.0f * (B[i][j-1] + B[i][j+1] + B[i-1][j] + B[i+1][j])
              -1.0f * (B[i][j-2] + B[i][j+2] + B[i-2][j] + B[i+2][j]) 
              -60.0f * B[i][j]
             ) - A[i][j]));

        // c2 is a useless variable
        if (abs(C[i][j]) > Amax[i][j]) {
            Amax[i][j] = abs(C[i][j]);
            Ttra[i][j] = t;
         }
    }
}

Это может показаться незначительным, но это может оказать огромное влияние на ваш код. Компилятор попытается поместить локальные переменные в регистры (которые имеют гораздо более быстрое время доступа). Имейте в виду, что вы не можете применять эту технику бесконечно, поскольку у вас ограниченное количество регистров, и злоупотребление этим приведет к тому, что ваш код будет страдать от утечки регистров.

В случае с массивом absi вы избежите того, чтобы система хранила часть этого массива в кеше во время выполнения цикла j. Общая идея этого метода состоит в том, чтобы перемещать во внешний цикл любой доступ к массиву, который не зависит от переменной внутреннего цикла.

В дополнение к затратам, упомянутым Криштиану, ваш выбор распараллелить по циклу j, а не по циклу i, создает риск ложного разделения в трех назначенных массивах, C, Amax, Ttra. По сути, когда один поток выполняет запись в элемент одного из этих массивов, смежные элементы в одной и той же строке кэша также будут загружены в кэш этого ядра. Когда другое ядро ​​затем начинает записывать свои собственные значения в разные записи, ему придется вытягивать строку из другого кеша, при этом несколько ядер потенциально могут играть в «перетягивание каната».

Решение этой проблемы состоит в том, чтобы распараллелить внешний цикл над i вместо внутреннего цикла над j. Удобно, что это также резко снижает затраты, упомянутые в ответе Криштиану, поскольку порождения и рабочие задания будут происходить только один раз, а не для каждой итерации цикла i. Вам все равно нужно будет приватизировать j и c2 или просто вставить значение c2 в последующее if и удалить переменную (как описано в вашем комментарии). Для большей эффективности использование локально объявленной переменной вместо j означало бы отсутствие доступа к частной переменной потока.

Просто в качестве (довольно важной) проверки, это гнездо цикла на самом деле является частью вашей программы, которая, как вы измерили, занимает большую часть времени? Добавление прагмы OpenMP изменило время с чуть менее 10 до чуть менее 40 с?