【程序语言】并行编程——openMPI初探

winston

（1）openMPI的配置（windows平台+vs2010）。在Visul Studio中配置openMPI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OpenMPI之旅了。
（2）下面开始我们最简单的OpenMPI语句，hello world!#include "stdafx.h"

2. #include <omp.h>
3. #include <iostream>
4. using namespace std;
5. int main()
6. {
7.         #pragma omp parallel num_threads(8)
8.         cout<<"hello world! "<<"thread numbers: "<<omp_get_thread_num()<<endl;
9. }

复制代码

    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）OpenMPI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#include "stdafx.h"

1. #include <omp.h>
2. #include <iostream>
3. #include <time.h>
4. using namespace std;
6. const int core   = 2;
7. const int thread = 4;
9. void test()
10. {
11.         int sum = 0;       
12.         for(int i=0; i<10000000; ++i)
13.         {        sum *= i;        }
14. }
16. int main()
17. {
18.         clock_t start = clock();
19.        
20.                 #pragma omp parallel for
21.                 for(int i=0; i<core; i++)
22.                 {        test();                                }
23.                
24.        
25.         clock_t finish = clock();
26.         cout<<"time used is: "<<finish -start<<"ms"<<endl;
28.         start = clock();
30.                 for(int i=0; i<core; i++)
31.                 {        test();        }
33.         finish = clock();
34.         cout<<"time used is: "<<finish -start<<"ms"<<endl;
35. }

复制代码

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。
第二个循环在非并行的参照组，在我的机子上这两段代码的时间分别是35ms,65ms左右。

（3）OpenMPId 的一般语句并行化        #pragma omp parallel

2.         {       
3.                 /*并行区域1*/
4.                 #pragma omp sections
5.                 {
6.                         #pragma omp section
7.                         {        cout<<"hello ->thread:"<<omp_get_thread_num()<<endl;        }
8.                         #pragma omp section
9.                         {        cout<<"hello ->thread:"<<omp_get_thread_num()<<endl;        }
10.                 }
12.                 /*并行区域2*/
13.                 #pragma omp sections
14.                 {
15.                         #pragma omp section
16.                         {        cout<<"world ->thread:"<<omp_get_thread_num()<<endl;        }
17.                         #pragma omp section
18.                         {        cout<<"world ->thread:"<<omp_get_thread_num()<<endl;        }
19.                 }
20.         };

复制代码

    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）OpenMPI 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：        sum =0;

2.         #pragma omp parallel for schedule(dynamic)
3.         for(int i=0; i<100; ++i)
4.         {        sum +=i;        }
5.         cout<<sum<<endl;

复制代码

添加的 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……






作者：theprinceofelf 发表于2012-1-16 21:32:30 原文链接