logo资料库

OMP并行编程实验二报告.docx

发布时间：2022-06-23 发布人：admin 分类：说明书 资料大小：0.20M 资料格式：docx 举报 版权申诉
第1页 / 共12页
第2页 / 共12页
第3页 / 共12页
第4页 / 共12页
第5页 / 共12页
第6页 / 共12页
第7页 / 共12页
第8页 / 共12页
资料共12页，剩余部分请下载后查看
    实验二 omp并行编程实验报告
    1 实验环境
    2 实验目的
    实验内容
    3 实验步骤
    4 实验结果与分析（需要图表分析）
    5 实验感想
    6附录(代码)：
    实验二 omp 并行编程实验报告 16122931 傅宇豪 1 实验环境 硬件环境： 4 核 CPU、8G 内存计算机； 软件环境： Windows10+VS2017 2 实验目的 1) 用 OpenMP 实现最基本的数值算法“矩阵乘法” 2) 掌握 for 编译制导语句 3) 对并行程序进行简单的性能调优 实验内容 1） 运行并测试 OpenMP 编写两个 n 阶的方阵 a 和 b 的相乘程序，结 果存放在方阵 c 中，其中乘法用 for 编译制导语句实现并行化操作， 并调节 for 编译制导中 schedule 的参数，使得执行时间最短。要求在 window 环境（不用虚拟机），在 linux 环境（用和不用虚拟机情况下） 测试程序的性能，并写出详细的分析报告。 2）请自己找一个需要大量计算但是程序不是很长的程序，实现 OMP 的多线程并行计算，要求写出并行算法，并分析并行的效果（注：必 须核对串行和并行的计算结果，保证正确性）
    3 实验步骤 (1) 运行并测试 OpenMP 编写两个 n 阶的方阵 a 和 b 的相乘程序，结 果存放在方阵 c 中，其中乘法用 for 编译制导语句实现并行化操 作，并调节 for 编译制导中 schedule 的参数分别设置线程数为 1、 2、4、8、16、32，使得执行时间最短。 (2)分别计算串行计算的执行时间和单线程、双线程和四线程的执行 时间和加速比。 4 实验结果与分析（需要图表分析） 1. Windows 环境程序运行结果 CentOS 运行结果：
    2.以 CentOS 环境结果分析矩阵相乘程序的执行时间、加速比和效率： 为 了 更 加 直 观 的 看 到 串 行 和 并 行 的 区 别 ， 我 将 执 行 次 数 改 为 100,000,000 次，线程数分别为 1、2、4、8、16、32。 串行执行时程序的执行时间为： T = 2.860s （1）串行和 4 个线程的并行程序运行时间对比图 分析：从图表可以看到单线程并行时的执行时间比串行执行时间长， 是因为单线程单线程会有额外创建线程时间，比串行计算速度慢。
    分析: 对于多线程来说，可以发现随着线程数的增加，程序的执行时 间减少，大概可以从结果中得出，随着线程数的增加一倍，执行时间 减少一半。 分析：随着线程数的增加，程序的加速比增加，大概可以从结果中得 出，随着线程数的增加一倍，加速相应的增加接近一倍。 2）请自己找一个需要大量计算但是程序不是很长的程序，实现 OMP 的多线程并行计算，要求写出并行算法，并分析并行的效果（注：必
    须核对串行和并行的计算结果，保证正确性） 找了一个实现计算 1 到 50 的平方根之和的程序，执行 100000 次。实 现结果如下： 其中 s 表示串行，p1 表示单线程，p2 表示双线程，p4 表示四线程 并行比串行执行时间大大减少。随着线程数的增加，程序的执行时间 减少，大概可以从结果中得出，随着线程数的增加一倍，执行时间减 少一半。
    5 实验感想 本次实验让我从零开始认识和学习了 OMP 编程，并且了解到了 并行计算对于减少时间的重要性，虽然此次的计算量不大，差别也只 是秒上的，如果涉及到庞大的计算量，并行计算可以解决很多问题。 此外还发现了单线程运行程序时对于程序的串行其实会有额外的开 销，反而降低了执行的效率。但是并不是线程数越多越好，因为线程 数增加反而会降低效率。 6 附录(代码)： （1）源代码： #include #include #include #include void comput(float* A, float* B, float* C)//两个矩阵相乘传统方法 { } int x, y; for (y = 0; y<4; y++) { } for (x = 0; x<4; x++) { } C[4 * y + x] = A[4 * y + 0] * B[4 * 0 + x] + A[4 * y + 1] * B[4 * 1 + x] + A[4 * y + 2] * B[4 * 2 + x] + A[4 * y + 3] * B[4 * 3 + x]; int main() { double duration, durations,speedrate; clock_t start, finalt; int x = 0; int y = 0;
    int n = 0; int k = 0; float A[] = { 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16 }; float B[] = { 0.1f, 0.2f, 0.3f, 0.4f, 0.5f, 0.6f, 0.7f, 0.8f, 0.9f, 0.10f, 0.11f, 0.12f, 0.13f, 0.14f, 0.15f, 0.16f }; float C[16]; start = clock(); //#pragma omp parallel if(false) for (n = 0; n<100000000; n++) { } comput(A, B, C); finalt = clock(); durations = (double)(finalt - start) / CLOCKS_PER_SEC; //duration 表示持续的时间 printf("100,000,000次串行时间是:%f：%f\n", durations); //输出矩阵相乘结果 printf("\n串行输出矩阵相乘结果：\n"); for (y = 0; y<4; y++) { } for (x = 0; x<4; x++) { } printf("%f,", C[y * 4 + x]); printf("\n"); printf("\n======================\n"); //parallel 1 单线程并行 start = clock(); #pragma omp parallel for num_threads(1)
    for (n = 0; n<100000000; n++) { } comput(A, B, C); finalt = clock(); duration = (double)(finalt - start) / CLOCKS_PER_SEC; speedrate = (durations / duration) * 100; printf("p1：100,000,000次单线程并行时间是:%f 加速比是：%f\n", duration, speedrate); //parallel 2 双线程并行 start = clock(); #pragma omp parallel for num_threads(2) for (n = 0; n<2; n++) //CPU是核2线程的 { } for (k = 0; k<50000000; k++) //每个线程管个循环 { } comput(A, B, C); finalt = clock(); duration = (double)(finalt - start) / CLOCKS_PER_SEC; speedrate = (durations / duration) * 100; printf("p2：100,000,000次双线程并行时间是:%f 加速比是：%f\n", duration,speedrate); //parallel 3 四线程并行 start = clock(); #pragma omp parallel for num_threads(4) for (n = 0; n<4; n++) //CPU是核4线程的 { } for (k = 0; k<25000000; k++)//每个线程管个循环 { } comput(A, B, C); finalt = clock(); duration = (double)(finalt - start) / CLOCKS_PER_SEC; speedrate = (durations / duration)*100; printf("p3：100,000,000次四线程并行时间是:%f 加速比是：%f\n", duration, speedrate);
    分享到：
    赞 收藏

    相关推荐

    资料库

    操作系统

    共收录1433份资料，累计11个分类，关注成员有19位，主要包括：CentOS,MacOS,DOS,Solaris,Ubuntu,Unix,OS,桌面系统,其它,Windows Server,Linux

    热门标签

    CentOS MacOS DOS Solaris Ubuntu Unix OS 桌面系统 其它 Windows Server Linux

    最新资料