openMP多线程编程-阿里云开发者社区

openMP多线程编程

2017-12-04 1618

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介：

OpenMP(Open Muti-Processing)

OpenMP缺点：

1：作为高层抽象，OpenMp并不适合需要复杂的线程间同步和互斥的场合；

2：另一个缺点是不能在非共享内存系统(如计算机集群)上使用。在这样的系统上，MPI使用较多。

关于openMP实现 临界区与互斥锁 可参考 reference3

windows系统下使用

==========================WINDOWS系统中使用==========================

基本使用：

在visual C++2010中使用OpenMP

1：将 Project 的Properties中C/C++里Language的OpenMP Support开启（参数为 /openmp）；

2：在编写使用OpenMP 的程序时，则需要先include OpenMP的头文件：omp.h；

3：在要并行化的for循环前面加上 #pragma omp parallel for

如下简单例子：

[cpp]view plain copy
     
   
//未使用OpenMP  
#include <stdio.h>  
#include <stdlib.h>  
  
void Test(int n) {  
for(int i = 0; i < 10000; ++i)   
{  
      //do nothing, just waste time   
}  
    printf("%d, ", n);   
}  
  
int main(int argc,char* argv[])   
{  
    for(int i = 0; i < 16; ++i)   
    Test(i);  
    system("pause");   
}  

结果为：

0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10,11,12,13,14,15，

[cpp]view plain copy
     
   
//使用OpenMP  
<pre name="code" class="cpp">#include <stdio.h>   
#include <stdlib.h>  
#include <omp.h>  
  
void Test(int n) {  
for(int i = 0; i < 10000; ++i) {  
//do nothing, just waste time  
}  
    printf("%d, ", n);   
}  
  
int main(int argc,char* argv[])   
{  
#pragma omp parallel for  
    for(int i = 0; i < 16; ++i)   
    Test(i);  
    system("pause");   
}  

（我的笔记本为2核 4线程）

显示结果为：

0,12,4,8,1,13,5,9,2,14,6,10,3,15,7,11,

OpenMP将循环0-15拆分成0-3,4-7,8-11，12-15四个部分来执行。

当编译器发现#pragma omp parallel for后，自动将下面的for循环分成N份，(N为电脑CPU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。

关于获取CPU核数与线程ID

[cpp]view plain copy
     
   
#include <iostream>  
#include <omp.h>  
int main(){  
    int sum = 0;   
    int a[10] = {1,2,3,4,5,6,7,8,9,10};   
    int coreNum = omp_get_num_procs();//获得处理器个数（其实获取的是线程的数量，我的笔记本为2核4线程，测试时获取的数字为4）</span>   
    int* sumArray = new int[coreNum];//对应处理器个数，先生成一个数组   
    for (int i=0;i<coreNum;i++)//将数组各元素初始化为0   
        sumArray[i] = 0;  
#pragma omp parallel for  
    for (int i=0;i<10;i++)   
    {  
        int k = <span style="color:#3366FF;">omp_get_thread_num();//获得每个线程的ID</span>   
        sumArray[k] = sumArray[k]+a[i];  
    }  
    for (int i = 0;i<coreNum;i++)   
        sum = sum + sumArray[i];  
    std::cout<<"sum: "<<sum<<std::endl;   
    return 0;   
}  

Ubuntu系统中使用

=================ubuntu系统中=====================================

Hands on FAQ:

*怎么在Linux上运行OpenMP程序？
> 只需要安装支持OpenMP的编译器即可，比如GCC 4.2以上版本（好像Fedora Core带的部分4.1版本也支持），或者ICC（我用的version 9.1是支持的，其他没试过）。

*怎么缺点编译器是不是支持OpenMP？
> 看编译器安装路径下/include目录里有没有omp.h。

*怎么区分OpenMP程序？
> 程序中有没有以下内容：
> #include <omp.h>
> #pragma omp ...

*怎么编译OpenMP程序？
> gcc -fopenmp [sourcefile] -o [destination file]
> icc -openmp [sourcefile] -o [destination file]

*怎么运行OpenMP程序？
> 编译后得到的文件和普通可执行文件一样可以直接执行。

*怎么设置线程数？
>：在程序中写入set_num_threads(n);
> Method2：export OMP_NUM_THREADS=n;
> 两种方法各有用处，前者只对该程序有效，后者不用重新编译就可以修改线程数。

Example1:并行与串行时间差别

Sequetial Version:

[cpp]view plain copy
     
   
#include<iostream>  
#include<sys/time.h>  
#include<unistd.h>  
  
using namespace std;  
  
void test(int n)  
{     
    int a=0;   
    struct timeval tstart,tend;   
    double timeUsed;   
    gettimeofday(&tstart,NULL);  
    for(int i=0;i<1000000000;i++)   
    {  
        a=i+1;  
    }  
    gettimeofday(&tend,NULL);  
    timeUsed=1000000*(tend.tv_sec-tstart.tv_sec)+tend.tv_usec-tstart.tv_usec;  
    cout<<n<<" Time="<<timeUsed/1000<<" ms"<<endl;   
}  
int main()  
{  
    struct timeval tstart,tend;   
    double timeUsed;   
    gettimeofday(&tstart,NULL);  
    int j=0;   
    for(j=0;j<4;j++)   
    {  
        test(j);  
    }  
    gettimeofday(&tend,NULL);  
    timeUsed=1000000*(tend.tv_sec-tstart.tv_sec)+tend.tv_usec-tstart.tv_usec;  
    cout<<" Total Time="<<timeUsed/1000<<" ms"<<endl;   
    return 0;   
}  

Parallel Version:

[cpp]view plain copy
     
   
#include<iostream>  
#include<sys/time.h>  
#include<unistd.h>  
#include<omp.h>  
  
using namespace std;  
  
void test(int n)  
{     
    int a=0;   
    struct timeval tstart,tend;   
    double timeUsed;   
    gettimeofday(&tstart,NULL);  
    for(int i=0;i<1000000000;i++)   
    {  
        a=i+1;  
    }  
    gettimeofday(&tend,NULL);  
    timeUsed=1000000*(tend.tv_sec-tstart.tv_sec)+tend.tv_usec-tstart.tv_usec;  
    cout<<n<<" Time="<<timeUsed/1000<<" ms"<<endl;   
}  
int main()  
{  
    struct timeval tstart,tend;   
    double timeUsed;   
    gettimeofday(&tstart,NULL);  
    int j=0;   
#pragma omp parallel for  
    for(j=0;j<4;j++)   
    {  
        test(j);  
    }  
    gettimeofday(&tend,NULL);  
    timeUsed=1000000*(tend.tv_sec-tstart.tv_sec)+tend.tv_usec-tstart.tv_usec;  
    cout<<" Total Time="<<timeUsed/1000<<" ms"<<endl;   
    return 0;   
} 

Result:

Sequential version:

[cpp]view plain copy
     
   
0 Time=2064.69 ms  
1 Time=2061.11 ms  
2 Time=2076.32 ms  
3 Time=2077.93 ms  
 Total Time=8280.14 ms  

Parallel version:

[cpp]view plain copy
     
   
2 Time=2148.22 ms  
3 Time=2151.72 ms  
0 Time=2151.85 ms  
1 Time=2151.77 ms  
 Total Time=2158.81 ms  

------------------------------------------------------------------------------------------------------------------------------------------------------------

Example2:矩阵拟合法计算Pi

Sequential Version:

[cpp]view plain copy
     
   
#include<iostream>  
#include<sys/time.h>  
#include<unistd.h>  
//#include <omp.h>  
  
using namespace std;  
  
int main ()  
{  
    struct timeval tstart,tend;   
    double timeUsed;   
    static long num_steps =1000000000;   
    double step;   
    int i;   
    double x, pi, sum = 0.0;   
    step = 1.0/(double) num_steps;   
    gettimeofday(&tstart,NULL);  
//#pragma omp parallel for reduction(+:sum) private(x) /*只加了这一句，其他不变*/  
    for (i=0;i < num_steps; i++)   
    {  
        x = (i+0.5)*step;  
        sum = sum + 4.0/(1.0+x*x);  
    }  
    pi = step * sum;  
    gettimeofday(&tend,NULL);  
    timeUsed=1000000*(tend.tv_sec-tstart.tv_sec)+tend.tv_usec-tstart.tv_usec;  
    timeUsed=timeUsed/1000;  
    cout<<"pi="<<pi<<"  ("<<num_steps<<" )   "<<timeUsed<<" ms"<<endl;   
    return 0;   
}  

Parallel Version:

[cpp]view plain copy
     
   
#include<iostream>  
#include<sys/time.h>  
#include<unistd.h>  
#include <omp.h>  
  
using namespace std;  
  
int main ()  
{  
    struct timeval tstart,tend;   
    double timeUsed;   
    static long num_steps = 1000000000;   
    double step;   
    int i;   
    double x, pi, sum = 0.0;   
    step = 1.0/(double) num_steps;   
    gettimeofday(&tstart,NULL);  
#pragma omp parallel for reduction(+:sum) private(x) /*只加了这一句，其他不变*/  
    for (i=0;i < num_steps; i++)   
    {  
        x = (i+0.5)*step;  
        sum = sum + 4.0/(1.0+x*x);  
    }  
    pi = step * sum;  
    gettimeofday(&tend,NULL);  
    timeUsed=1000000*(tend.tv_sec-tstart.tv_sec)+tend.tv_usec-tstart.tv_usec;  
    timeUsed=timeUsed/1000;  
    cout<<"pi="<<pi<<"  ("<<num_steps<<" )   "<<timeUsed<<" ms"<<endl;   
    return 0;   
}  

运行结果为：

[cpp]view plain copy
     
   
von@von-pc:~/test$ ./parrPI2  
pi=3.14159  (1000000000 )   3729.68 ms  
von@von-pc:~/test$ ./seqPI2  
pi=3.14159  (1000000000 )   13433.1 ms  

我的电脑为2核，4线程提升速度为13433/3739=3.6 。因为这个程序本身具有良好的并发性，循环间几乎没有数据依赖，除了sum，但是用reduction(+:sum)把对于sum的相关也消除了。

关于reduction ， private具体请到references 7中查看。

需要特别注意的一点是:

上述的计时方法使用的是gettimeofday() 而原博客给出的计时方法是time_t (使用time_t是没法达到作者所说的速度的，你会发现并行的时间比串行还慢)。

主要原因：计时方法不一样，具体请看两者的区别（另一篇博客）

reference：

1：http://baike.baidu.com/view/1687659.htm

2：http://www.cnblogs.com/yangyangcv/archive/2012/03/23/2413335.html

-----------------------------------------------------------------------------------------------------------------

3：http://www.ibm.com/developerworks/cn/aix/library/au-aix-openmp-framework/index.html

4：http://openmp.org/wp/openmp-compilers/（官网）

5：http://blog.163.com/zl_dream1106/blog/static/84286020105210012295/ （linux 系统中OpenMP）

6：http://blog.163.com/zl_dream1106/blog/static/842860201052952352/?suggestedreading&wumii（OpenMP编程指南）

7：http://blog.163.com/zl_dream1106/blog/static/84286020105293213869/?suggestedreading&wumii（OpenMP 入门）

本文转自博客园知识天地的博客，原文链接：openMP多线程编程，如需转载请自行联系原博主。

openMP多线程编程

windows系统下使用

热门文章

最新文章

相关电子书

探索云世界

热门

云计算

大数据

云原生

人工智能

数据库

开发与运维

活动广场

任务中心

训练营

直播

乘风者计划

下载

镜像站

技术资料

openMP多线程编程

windows系统下使用

热门文章

最新文章

相关电子书