【程序语言】并行编程——openMP初探_#pragma omp parallel for num_threads(8) schedule(d

作者：小丑西瓜9 | 2024-03-20 19:15:37

踩

#pragma omp parallel for num_threads(8) schedule(dynamic)

http://blog.csdn.net/theprinceofelf/article/details/7205813

（1）openMP的配置（windows平台+vs2010）。在Visul Studio中配置openMP十分简单，只需打开“项目 - > 属性 - > C/C++ - > 语言”中将“OpenMPI支持”选为"是" 如下图所示：

这样你就可以开始OpenMP之旅了。

（2）下面开始我们最简单的OpenMPI语句，hello world!

[cpp]view plaincopy 
   
 #include "stdafx.h"  
 #include <omp.h>  
 #include <iostream>  
 using namespace std;  
 int main()  
 {  
     #pragma omp parallel num_threads(8)  
     cout<<"hello world! "<<"thread numbers: "<<omp_get_thread_num()<<endl;  
 }  

其中#pragma omp parallel是一句编译指导语句，告诉编译器后面的语句需要并行处理.num_threads(8)给出线程数为8，可以不给出线程数，一般会有一个默认值，我的机子上是2.

（3）OpenMP的循环并行化

最基础和典型的并行部分应该就是循环，我们先从循环的并行开始

[cpp]view plaincopy 
   
 #include "stdafx.h"  
 #include <omp.h>  
 #include <iostream>  
 #include <time.h>  
 using namespace std;  
   
 const int core   = 2;  
 const int thread = 4;  
   
 void test()  
 {  
     int sum = 0;      
     for(int i=0; i<10000000; ++i)  
     {   sum *= i;   }  
 }  
   
 int main()  
 {  
     clock_t start = clock();  
       
         #pragma omp parallel for  
         for(int i=0; i<core; i++)  
         {   test();             }  
           
       
     clock_t finish = clock();  
     cout<<"time used is: "<<finish -start<<"ms"<<endl;  
   
     start = clock();  
   
         for(int i=0; i<core; i++)  
         {   test(); }  
   
     finish = clock();  
     cout<<"time used is: "<<finish -start<<"ms"<<endl;  
 }  

这段代码中添加了运行时间测试语句，是为了比较并行处理的效果，并行指导语句只有一句#pragma omp parallel for，其作用就是将for循环的内部迭代使用多个线程处理。第二个循环是非并行的参照组，在我的机子上这两段代码的时间分别是35ms,65ms左右。

（3）OpenMPI的一般语句并行化

[cpp]view plaincopy 
   
 #pragma omp parallel  
     {     
         /*并行区域1*/  
         #pragma omp sections  
         {  
             #pragma omp section  
             {   cout<<"hello ->thread:"<<omp_get_thread_num()<<endl;   }  
             #pragma omp section  
             {   cout<<"hello ->thread:"<<omp_get_thread_num()<<endl;   }  
         }  
   
         /*并行区域2*/  
         #pragma omp sections  
         {  
             #pragma omp section  
             {   cout<<"world ->thread:"<<omp_get_thread_num()<<endl;   }  
             #pragma omp section  
             {   cout<<"world ->thread:"<<omp_get_thread_num()<<endl;   }  
         }  
     };  

使用#pragma omp parallel{ 语句 }的形式给出总的并行块，sections划分出并行分区，区域内部的section之间多线程并行处理，sections之间串行处理，如上述程序中，并行区域1先处理，并行区域2后处理；而并行区域1中的显示hello的两个section并行处理，并行区域2中显示world的两个section并行处理。

（4）OpenMP的并行调度算法

OpenMPI 的调度算法一共有三个：static , dynamic, guided. 另外有一个根据环境变量选择三者之一的runtime选项。使用方法也十分简单：

[cpp]view plaincopy 
   
 sum =0;  
 #pragma omp parallel for schedule(dynamic)  
 for(int i=0; i<100; ++i)  
 {   sum +=i;    }  
 cout<<sum<<endl;  

我们选择了 schedule(dynamic) ,同理有 schedule(static) 和 schedule(guided) ，另外你如果不给出schedule，那么默认选择的是static选项。三者的区别如下：

static : 每个线程分配迭代总数 / 线程数的迭代次数，如9500次迭代，10个线程，那么每个线程被分配950次迭代。任务分配可能不均衡。因为每次迭代的时间可能不同。

dynamic : 每次线程完成了当前工作就重新申请新的工作，开销比static大，但能基本保证任务分配的均衡。

guided : 程序员可以给出分配公式，指导任务的分配。

待续……

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/小丑西瓜9/article/detail/275940