基於GCC的openMP學習與測試

本文轉載自查看原文 2017-07-02 20:07 1676 C++/ GCC/ openMP

（一）、openMP簡述

Open Multiprocessing (OpenMP) 框架是一種功能極為強大的規范，可以幫助您利用 C、C++ 和 Fortran 應用程序中的多個核心帶來的好處，是基於共享內存模式的一種並行編程模型, 使用十分方便, 只需要串行程序中加入OpenMP預處理指令, 就可以實現串行程序的並行化。

（二）、openMP簡單使用

1、簡單的HelloWord程序

#include <iostream>
int main()
{
  #pragma omp parallel
  {
    std::cout << "Hello World!\n";
  }
}

View Code

#pragma omp parallel 僅在您指定了 -fopenmp 編譯器選項后才會發揮作用。在編譯期間，GCC 會根據硬件和操作系統配置在運行時生成代碼，創建盡可能多的線程。
只運行 g++ hello.cpp，只會打印出一行Hello world!
運行g++ hello.cpp -fopenmp,打印出12個Hello World!（12個是因為我用的是linux服務器默認分配的）
運行結果

user@NLP ~/vsworksapce $ g++ hello.cpp 
user@NLP ~/vsworksapce $ ./a.out 
Hello World!
user@NLP ~/vsworksapce $ g++ hello.cpp -fopenmp 
user@NLP ~/vsworksapce $ ./a.out 
Hello World!
Hello World!
Hello World!
Hello World!
Hello World!
Hello World!
Hello World!
Hello World!
Hello World!
Hello World!
Hello World!
Hello World!

View Code

2、如何自定義線程數量

num_threads的設置
omp_set_num_threads()庫函數的設置

#include <omp.h>
#include <iostream>
int main()
{
  int number_threads = 1;
  omp_set_num_threads(number_threads) //方法二
  #pragma omp parallel num_threads(number_threads) //方式一
  {
    std::cout << "Hello World!\n";
  }
}

View Code

OMP_NUM_THREADS環境變量的設置（Linux下：export OMP_NUM_THREADS=4）
編譯器默認實現（一般而言，不指定具體線程數量的情況下，默認實現的總線程數等於處理器的核心數）

3、parallel sections 編譯指示

pragma omp sections和pragma omp parallel之間的代碼將由所有線程並行運行。pragma omp sections之后的代碼塊通過pragma omp section進一步被分為各個子區段。每個pragma omp section塊將由一個單獨的線程執行。但是，區段塊中的各個指令始終按順序運行。

#include <iostream>
int main()
{
   #pragma omp parallel
  {
    std::cout << "parallel \n";
    #pragma omp sections
    {
      #pragma omp section
      {
        std::cout << "section1 \n";
      } 
      #pragma omp section
      {
        std::cout << "sectio2 \n";
        std::cout << "after sectio2 \n";
      }
      #pragma omp section
      {
        std::cout << "sectio3 \n";
        std::cout << "after sectio3 \n";
      }
    }
  }
}

//運行結果
user@NLP ~/vsworksapce $ g++ openMP12.cpp -fopenmp
user@NLP ~/vsworksapce $ ./a.out 
parallel 
section1 
sectio2 
after sectio2 
sectio3 
after sectio3 
parallel 
parallel 
parallel 
parallel 
parallel 
parallel 
parallel 
parallel 
parallel 
parallel 
parallel

View Code

4、還有一些omp_get_wtime、for、while循環中的並行處理、OpenMP critical section、OpenMP實現鎖和互斥、以及firstprivate和lastprivate指令等一些 openMP的使用可以參考（https://www.ibm.com/developerworks/cn/aix/library/au-aix-openmp-framework/）

（三）、openMP簡單測試

1、簡單的測試--不限制線程數量

#include <omp.h>
#include <time.h>
#include <iostream>
#include <ctime>
int main()
{
    time_t start,end1;
    time( &start );
    int a = 0;
    #pragma omp parallel for
    for (int i = 0; i < 100; ++i)
    {
        for (int j = 0; j < 1000000000; j++);
        //std::cout<< a++ << std::endl;
    }
    time( &end1 );
    double omp_end = omp_get_wtime( );
    std::cout<<std::endl;
    std::cout<<"Time_used " <<((end1 - start))<<"s"<<std::endl;
    std::cout<<"omp_time: "<<((omp_end - omp_start))<<std::endl;
    return 0;
}

View Code

從下面的圖表可以看出使用openMP的運行時間明顯少於不使用openMP。

2、簡單的測試--限制線程數量

#include <omp.h>
#include <time.h>
#include <iostream>
#include <ctime>
int main()
{
    time_t start,end1;
    time( &start );
    int a = 0;
    double omp_start = omp_get_wtime( );
    #pragma omp parallel for num_threads(8)
    for (int i = 0; i < 100; ++i)
    {
        for (int j = 0; j < 1000000000; j++);
    }
    time( &end1 );
    double omp_end = omp_get_wtime( );
    std::cout<<std::endl;
    std::cout<<"Time_used " <<((end1 - start))<<"s"<<std::endl;
    std::cout<<"omp_time: "<<((omp_end - omp_start))<<std::endl;
    return 0;
}

View Code

從下面的圖表能夠看出，線程數量對程序運行時間也是有一定的影響的，影響的大小和程序運算數據量有關。

3、簡單測試--提升數據量，限制線程數量

#include <omp.h>
#include <time.h>
#include <iostream>
#include <ctime>
int main()
{
    time_t start,end1;
    time( &start );
    int a = 0;
    double omp_start = omp_get_wtime( );
    #pragma omp parallel for num_threads(12)
    for (int i = 0; i < 1000; ++i)
    {
        for (int j = 0; j < 1000000000; j++);
    }
    time( &end1 );
    double omp_end = omp_get_wtime( );
    std::cout<<std::endl;
    std::cout<<"Time_used " <<((end1 - start))<<"s"<<std::endl;
    std::cout<<"omp_time: "<<((omp_end - omp_start))<<std::endl;
    return 0;
}

View Code

線程數量對程序的運行時間是有影響的，如果繼續提升數據運算量，openMP的實驗效果會更加明顯。

4、簡單測試--降低數據量，限制線程數量

#include <omp.h>
#include <time.h>
#include <iostream>
#include <ctime>
int main()
{
    time_t start,end1;
    time( &start );
    int a = 0;
    double omp_start = omp_get_wtime( );
    #pragma omp parallel for
    for (int i = 0; i < 1000; ++i)
    {
        for (int j = 0; j < 10000; j++);
    }
    time( &end1 );
    double omp_end = omp_get_wtime( );
    std::cout<<std::endl;
    std::cout<<"Time_used " <<((end1 - start))<<"s"<<std::endl;
    std::cout<<"omp_time: "<<((omp_end - omp_start))<<std::endl;
    return 0;
}

View Code

當數據量很小的時候，使用或者不使用openMP對於程序的運行時間影響不大。

（四）、openMP學習參考

通過 GCC 學習 OpenMP 框架：https://www.ibm.com/developerworks/cn/aix/library/au-aix-openmp-framework/
Guide into OpenMP ： http://bisqwit.iki.fi/story/howto/openmp/

免責聲明！

本站轉載的文章為個人學習借鑒使用，本站對版權不負任何法律責任。如果侵犯了您的隱私權益，請聯系本站郵箱yoyou2525@163.com刪除。

猜您在找 通過 GCC 學習 OpenMP 框架 OpenMP fortran 學習【OpenCV學習】OpenMP並行化實例 openmp學習心得（二）----常見的運行時庫函數並行程序設計導論學習筆記——OpenMP（1） GCC幾個選項學習 gcc降版本方法 - [學習] OpenMP初探 CMake與OpenMP openmp(1)----計時