OMP实验报告

OpenMP实验报告一、OpenMP实验第一部分parallelConstruct1.程序代码#includestdafx.h#includeomp.hintmain(intargc,char*argv[]){intid,numb;omp_set_num_threads(3);#pragmaompparallelprivate(id,numb){id=omp_get_thread_num();numb=omp_get_num_threads();printf(Iamthread%doutof%d\n,id,numb);}}2.运行结果截屏3.实验分析总结因为线程数等于3，所以三个线程并行执行，id变量获取线程编号，numb变量获取线程总数，所以输出语句printf(Iamthread%doutof%d\n,id,numb)输出线程号及线程总数。因为三个线程同时执行，所以三个线程中的输出语句顺序不一定。worksharingconstruct1.程序代码#includestdafx.h#includeomp.hintmain(intargc,char*argv[]){intid;omp_set_num_threads(2);#pragmaompparallel{printf(whatwillyousee?\n);#pragmaompforfor(inti=1;i=5;++i){printf(i=%dof%d\n,i,omp_get_thread_num());printf(Howmanyanswers?\n);}}return0;}2.运行结果截屏改变线程数和循环次数3.实验分析总结当程序设置两个线程时，在#pragmaompparallel指令中，程序应该并行执行，所以其后的输出语句printf(whatwillyousee?\n)并行输出两句；在#pragmaompfor指令中，程序将循环分配到两个线程中执行，实现线程间共享，线程0负责执行循环中的前部分循环，即i=1，2，3.线程1负责执行循环的后半部分，即i=4，5.由于两个线程还是并行执行，所以两个线程几乎同时执行相同的输出语句，先输出两句printf(i=%dof%d\n,i,omp_get_thread_num())语句，再输出两句printf(Howmanyanswers?\n)语句。两者综合的并行程序1.程序代码#includestdafx.h#includestdafx.h#includeiostream#includestdio.h#includeomp.hintmain(){omp_set_num_threads(3);#pragmaompparallelforfor(inti=0;i10;++i){std::coutistd::endl;}return0;};2.实验结果截图将线程数改为5：3.实验分析总结将parallelconstruct与worksharingconstruct两者结合，使进程间既能并行执行，又能共享执行循环语句。当编译器发现#pragmaompparallelfor后，自动将下面的for循环分成N份，(N为线程数)，然后把每份指派给一个线程去执行，而且多线程之间为并行执行。在程序中，若将线程数设置为3，一共执行10个循环，则将10个循环分配给三个线程执行，其中线程0执行i=0，1，2，3四个循环，线程1执行i=4，5，6三个循环，线程2执行i=7，8，9三个循环，由于循环间并行执行，所以3个线程几乎同时执行std::couti语句，输出的先后顺序不一定，然后再几乎同时执行std::outstd::endle语句，即输出回车。所以从第一个截图可以看出，程序先输出三个数字047，分别为三个线程所分配的任务中的第一个循环i值，然后再输出三个回车。因为每个线程之间是并行执行，所以每次执行时打印出的顺序可能都是不一样的。二、OpenMP实验第二部分1.OpenMP代码#includestdafx.h#includeomp.h#includetime.hstaticlongnum_steps=10000000;doublestep;#defineNUM_THREADS2intmain(intargc,_TCHAR*argv[]){inti,id;doublex,pi,sum=0;doublestartTime=0.0,endTime=0.0;startTime=clock();step=1.0/(double)num_steps;omp_set_num_threads(NUM_THREADS);#pragmaompparallelprivate(x,i,id)reduction(+:sum){id=omp_get_thread_num();for(i=id+1;i=num_steps;i=i+NUM_THREADS){x=(i-0.5)*step;sum=sum+4.0/(1.0+x*x);}}endTime=clock();pi=sum*step;printf(time=%f\n,(endTime-startTime)/CLOCKS_PER_SEC);printf(%f\n,pi);return0;}2.运行结果截屏第一部分：线程数不变改变num_steps的值num_steps的值不变，改变线程数第二部分：去掉reduction(+:sum)第三部分：增加一个critical3.实验分析总结（1）从程序运行结果的第一部分截图可以看出，当程序中的语句段如下时：#pragmaompparallelprivate(x,i,id)reduction(+:sum){id=omp_get_thread_num();for(i=id+1;i=num_steps;i=i+NUM_THREADS){x=(i-0.5)*step;sum=sum+4.0/(1.0+x*x);}}程序运行结果为pi=3.141593，time=0.015000.程序使用了openMP为我们提供的归约(reduction)，它的意思是告诉编译器：下面的for循环你要分成多个线程跑，但每个线程都要保存变量sum的拷贝，循环结束后，所有线程把自己的sum累加起来作为最后的输出。所以使用reduction（+:sum）之后，程序将下面的for循环分成2份，(线程数为2)，然后把每份指派给一个线程去执行，每个线程都算出一个sum值，循环结束之后，两个线程sum值的和作为pi的值输出。程序输出结果正确。当增加问题规模，增大num_steps的值时，用时增加。增大num_steps的值为1000000000时，time=2.031000计算用时明显增加。这是由于增大了计算规模，计算量变得更大，所以需要消耗更多的时间。当问题规模不变，增加线程数时，计算用时会减少，但当线程数增大到一定值时，计算用时基本保持一个值不再变化或稍微有些增加。这是由于实验室的计算机是多核计算机，每个核都能独立支撑一个线程，所以它能够支持多个线程并行计算。适当的增加线程数可以减少计算的时间，但是当线程数太多的时候，线程是轮着在使用CPU资源，而且这个时候需要操作系统来管理这些线程，管理就会有开销，所以用的时间会稍微增加一些。（2）从程序运行结果的第二部分截图可以看出，当程序中的语句段如下时：#pragmaompparallelprivate(x,i,id)//reduction(+:sum){id=omp_get_thread_num();for(i=id+1;i=num_steps;i=i+NUM_THREADS){x=(i-0.5)*step;sum=sum+4.0/(1.0+x*x);}}程序运行结果为pi=1.571764，time=0.046000.计算出的pi值明显与3.1415926相差太大，运算结果错误。这是一个竞态条件(racecondition)的问题，该问题可表述为，当多个线程并行执行时，有可能多个线程同时对某变量进行了读写操作，从而导致不可预知的结果。程序中有可能两个线程同时对sum变量进行操作，当一个线程A执行sum=sum+4.0/(1.0+x*x)语句的同时，另一个线程B正好在更新sum，而此时A还在用旧的sum做累加，于是出现了错误，导致运算结果与正确结果相差很大。（3）从程序运行结果的第三部分截图可以看出，当程序中的语句段如下时：#pragmaompparallelprivate(x,i,id)//reduction(+:sum){id=omp_get_thread_num();for(i=id+1;i=num_steps;i=i+NUM_THREADS){x=(i-0.5)*step;#pragmaompcriticalsum=sum+4.0/(1.0+x*x);}}程序运行结果为pi=3.141593，time=1.265000.计算出的pi值结果正确，但所用的时间明显比（1）中大很多。在程序中for循环还是被自动分成两份来并行执行，但我们将sum=sum+4.0/(1.0+x*x)语句放在用#pragmaompcritical指令里面，它的意思是：各个线程还是并行执行for里面的语句，但当你们执行到critical里面时，要注意有没有其他线程正在里面执行，如果有的话，要等其他线程执行完再进去执行。这样就避免了racecondition问题，但显而易见，它的执行速度会变低，因为可能存在线程等待的情况。在程序中两个线程并行执行for里面的语句，当一个线程执行到critical时，要检测另一个线程是否正在执行critical里面的语句，如果没有才进去执行，这样就不会出现（2）中两个线程同时对sum变量进行改变的情况，所以运行结果正确，但是由于可能要等待，所以时间长很多。当线程数变多时，由于等待的可能性更大，所用的时间会更长。三、OpenMP实验第三部分1.程序代码#includestdafx.h#defineMPICH_SKIP_MPICXX#includempi.h#includestdio.h#includeomp.h#includetime.h#defineNUM_THREADS2staticlongnum_steps=100000000;voidmain(intargc,char*argv[]){inti_start,i_end,i,myid,numprocs,id;doublepi,mypi,x,step,sum=0.0;doublestartwtime=0.0,endwtime;MPI_Init(&argc,&argv);MPI_Comm_size(MPI_COMM_WORLD,&numprocs);MPI_Comm_rank(MPI_COMM_WORLD,&myid);MPI_Bcast(&num_steps,1,MPI_INT,0,MPI_COMM_WORLD);i_start=myid+(num_steps/numprocs);i_end=i_start+(num_steps/numprocs);step=1.0/(double)num_steps;startwtime=MPI_Wtime();//时间记录omp_set_num_threads(NUM_THREADS);#pragmaompparallelprivate(x,i,id)reduction(+:sum){id=omp_get_thread_num();for(i=id+1;i=num_steps;i=i+NUM_THREADS){x=(i-0.5)*step;sum=sum+4.0/(1.0+x*x);}}mypi=step*sum/numprocs;MPI_Reduce(&mypi,&pi,1,MPI_DOUBLE,MPI_SUM,0,MPI_COMM_WORLD);endwtime=MPI_Wtime();if(myid==0)print