Anotaciones¶

Conceptos Fundamentales¶

Jerarquía de Memoria y Acceso a Datos¶

Cache como puerta de entrada: El procesador accede primero a cache, luego a RAM
Localidad espacial: Acceso contiguo mejora rendimiento
Row-major order: En C++, arreglos 2D se almacenan por filas en memoria

Impacto del Patrón de Acceso¶

Acceso por Filas	Acceso por Columnas
✅ Memoria contigua	❌ Saltos en memoria
✅ Pocos cache misses	❌ Múltiples cache misses
✅ Prefetching efectivo	❌ Prefetching ineficiente
✅ Alta localidad	❌ Baja localidad

Tabla de Conceptos Clave¶

Concepto	Descripción	Impacto en Rendimiento
Localidad Espacial	Acceso a datos contiguos en memoria	Reduce cache misses, mejora prefetching
Falsa Compartición	Múltiples hilos acceden a misma línea de cache	Invalida cache, aumenta latencia
Cache Miss	Dato no encontrado en cache, debe cargarse de RAM	Añade 10-100x más latencia
Row-major Order	Almacenamiento por filas en memoria (C/C++)	Acceso por filas = óptimo
Reducción OpenMP	Combina resultados parciales de hilos	Evita condiciones de carrera
Schedule Static	Distribución fija de iteraciones	Overhead mínimo, buen balance uniforme
Schedule Dynamic	Asignación dinámica con chunks	Mejor load balancing, overhead moderado
Schedule Guided	Bloques decrecientes	Compromiso overhead/balance
Chunk Size	Tamaño de bloque para distribución	Pequeño = mejor balance, Grande = menos overhead

Directivas OpenMP Principales¶

Directiva	Propósito	Uso Típico
`parallel for`	Paralelizar loops	Operaciones independientes
`reduction`	Combinar resultados	Sumas, máximos, productos
`schedule`	Controlar distribución	Optimizar balance de carga
`critical`	Sección exclusiva	Acceso seguro a variables compartidas
`atomic`	Operación atómica	Incrementos simples
`runtime`	Schedule configurable	Pruebas sin recompilar

Optimizaciones Comprobadas¶

1. Patrón de Acceso Óptimo¶

// ✅ CORRECTO - Acceso por filas
for (int i = 0; i < n; i++) {
    for (int j = 0; j < n; j++) {
        sum += arr[i][j];  // [i][0], [i][1], [i][2]...
    }
}

2. Schedule Recomendado¶

dynamic con chunk pequeño (2-10): Mejor balance carga + mínima falsa compartición
Resultado: 49.83 ms vs 66.26 ms (32% mejora)

3. Operaciones Paralelizables vs No Paralelizables¶

✅ Paralelizables: Map, filter, reducciones (independientes)
❌ No paralelizables: Prefix sum, Fibonacci (dependencias)

Conclusiones Prácticas¶

El cuello de botella es la memoria cache, no la CPU
Acceso por filas + dynamic scheduling = combinación óptima
Chunks pequeños mejoran balance pero aumentan overhead
OpenMP runtime permite experimentar sin recompilar
Medir siempre el speedup real considerando overhead