基于openMP的并行计算实验精要.docx

并行计算实验报告 课程：并行计算 姓名：郑波 学号：2013211644 班级：计算机科学与技术13-2班 日期：2015年12月7日 实验一：OpenMP基本使用 一、实验目的 1、熟悉OpenMP编程。 2、比较串行算法与并行算法在执行时间上的差别； 3、考察线程数目使用不同对并行算法执行时间的影响； 4、考察运算规模N对串、并行算法执行时间上的影响。 二、实验内容 1、使用OpenMP进行两个矩阵A和B的加法，并分析串行、并行时间的差别以及问题规模对程序运行时间的影响 三、实验步骤 1、整个程序的设计流程 ①全局变量设置三个宏定义过的size×size的二维数组啊a,b,c。 ②初始化a数组为全1，b数组为全2 ③通过omp_set_num_threads()库函数设置线程数 ④调用openMP库函数omp_get_wtime()获取当前时间start #pragma omp parallel for开始做并行区部分 … 结束后再次调用omp_get_wtime()获取时间end，end-start即为并行消耗时间 ⑤再次调用时间函数更新strat 串行做一边矩阵相加 更新end,end-start即为串行耗时 代码如下： #includeiostream #includeomp.h #define size 10000 using namespace std; int a[size][size], b[size][size], c[size][size]; int main() { for(int i=0;i!=size;++i) //initial the matrix for(int j=0;j!=size;++j){ a[i][j]=1; b[i][j]=2; } double start=omp_get_wtime(); omp_set_num_threads(4); #pragma omp parallel for for(int i=0;isize;++i) for(int j=0;jsize;++j) c[i][j]=a[i][j]+b[i][j]; double end=omp_get_wtime(); cout并行运行时间：end-startendl; start=omp_get_wtime(); for(int i=0;isize;++i) for(int j=0;jsize;++j) c[i][j]=a[i][j]+b[i][j]; end=omp_get_wtime(); cout串行运行时间：end-startendl; system(pause); } 2、问题规模对串、并行程序时间的影响(A、B矩阵的大小为N*M) (1)通过不断增加问题规模，观察串行和并行程序的执行时间，得到如下表格的时间消耗数据： 100*100 1000*1000 10000*10000 串行消耗(ms) 0.03 4.36 296.91 并行消耗(ms) 7.06 9.54 182.27 (2)可以发现，当矩阵规模较小时，串行算法仍然要比并行算法运行的快，当规模到达一定程度的时候，并行运行的速度较串行有了提升。 并行算法对各个CPU的调度也占用一定的时间，当问题规模很小的时候，这个调度时间占了很大的比重，而在规模较大的时候，这个调度时间就显得微乎其微了 3、线程数目对并行程序的影响（这里假设问题规模为：N*M=10000*10000） (1)在使用OpenMP进行并行执行矩阵加法时，我们可以自由设置进行并行计算的并行线程数目。 (2)在并行区域中，通过函数int omp_set_num_threads(int)设置并行区域中要创建的线程数，分别设置为2、4、8、16，得到如下表格的时间消耗 2 4 8 16 并行消耗(ms) 262.73 205.12 248.97 295.38 (3)观察发现，在问题规模不变的前提下，随着线程数目的增加，问题解决的时间也在相应的减少。但是，问题消耗的时间并不会随着线程数目的增加而不断的减少，原因可能是因为，随着线程数目的增减，线程的额外准备时间开销也将扩大。 四、心得体会 通过本次实验，了解了openMP库函数，掌握了openMP最基本的多线程程序编写。通过分析比较串并行运行时间，体会了