基于openMP的并行计算实验剖析.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2③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 10000using namespace std;inta[size][size],b[size][size],c[size][size];int main(){ for(int i=0;i!=size;++i) //initial the matrixfor(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 forfor(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*1001000*100010000*10000串行消耗(ms)0.034.36296.91并行消耗(ms)7.069.54182.27(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24816并行消耗(ms)262.73205.12248.97295.38(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，体会了不同规模下串并行的使用效果。实验二：使用OpenMP实现圆周率计算的并行算法实验目的考察问题规模N对圆周率计算精确度的影响；考察线程数目对圆周率计算执行时间的影响；3、比较串、并行算法在执行时间上的差别。二、实验内容1、使用OpenMP和近似计算公式计算圆周率π的大小，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全局变量设置宏size，用来描述计算范围②利用如下公式准备计算圆周率π的近似值③通过omp_set_num_threads()库函数设置线程数④调用openMP库函数omp_get_wtim