首页 > 代码库 > 基于GCC的openMP学习与测试

基于GCC的openMP学习与测试

2024-10-15 16:56:02   216人阅读

（一）、openMP简述

  •   随着CPU速度不再像以前那样显著提高，多核系统正变得越来越流行。为了利用这种能力，程序员在并行编程中变得很有知识变得越来越重要——让程序同时执行多个任务。Open Multiprocessing (OpenMP) 框架是一种功能极为强大的规范，可以帮助您利用 C、C++ 和 Fortran 应用程序中的多个核心带来的好处，是基于共享内存模式的一种并行编程模型, 使用十分方便, 只需要串行程序中加入OpenMP预处理指令, 就可以实现串行程序的并行化。
  •   现在，openMP支持不同的编译器，GCC、Clang++、Solaris Studio、Intel C Compiler、Microsoft Visual C++等。程序员在编程时，只需要在特定的源代码片段的前面加入OpenMP专用的 #pargma omp 预编译指令，就可以“通知”编译器将该段程序自动进行并行化处理，并且在必要的时候加入线程同步及通信机制。当编译器选择忽略#pargma omp预处理指令时，或者编译器不支持OpenMP时，程序又退化为一般的通用串行程序，此时，代码依然可以正常运作，只是不能利用多线程和多核CPU来加速程序的执行而已。

（二）、openMP简单使用

   1、简单的HelloWord程序

  • 代码
  • #include <iostream>
int main()
{
  #pragma omp parallel
  {
    std::cout << "Hello World!\n";
  }
}
  • #pragma omp parallel 仅在您指定了 -fopenmp 编译器选项后才会发挥作用。在编译期间，GCC 会根据硬件和操作系统配置在运行时生成代码，创建尽可能多的线程。
  • 只运行 g++ hello.cpp，只会打印出一行Hello world!
  • 运行g++ hello.cpp -fopenmp,打印出12个Hello World!（12是因为我用的是linux服务器默认分配的 
  • 运行结果
  • 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!
 

    2、如何自定义线程数量

  • num_threads的设置
  • omp_set_num_threads()库函数的设置
  • 代码
  • #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";
  }
}
  • OMP_NUM_THREADS环境变量的设置 （Linux下：export OMP_NUM_THREADS=4）
  • 编译器默认实现（一般而言，默认实现的是总线程数等于处理器的核心数）（不指定具体线程数量的情况下）      

  3、parallel sections 编译指示

  •   pragma omp sections 和 pragma omp parallel 之间的代码将由所有线程并行运行。pragma omp sections 之后的代码块通过 pragma omp section 进一步被分为各个子区段。每个 pragma omp section 块将由一个单独的线程执行。但是，区段块中的各个指令始终按顺序运行。
  • 代码 
    #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";
      }
    }
  }
}

    //运行结果
    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

  4、还有一些omp_get_wtime、for循环中的并行处理、OpenMP 实现锁和互斥、以及firstprivate和lastprivate指令

    等一些openMP的使用可以参考（https://www.ibm.com/developerworks/cn/aix/library/au-aix-openmp-framework/）。

 

（三）、openMP简单测试

    1、简单的测试--不限制线程数量

  •  代码 
    #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;
}
 

 

  • 使用openMp
  • 技术分享

 

  • 不使用openMP
  • 技术分享

 

  • 从代码的运行时间上可以看出使用openMP的运行时间明显少于不使用openMP。

 

     2、简单的测试--限制线程数量

  • 代码
  • #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;
}
  • 线程数量 = 12
  • 技术分享

 

  • 线程数量 = 8
  • 技术分享

     

  • 线程数量 = 4
  • 技术分享

     

  • 从线程数量测试结果能看出来，线程数量对程序运行时间也是有一定的影响的，影响的大小和程序运算数据量有关。

 

  3、简单测试--提升数据量，限制线程数量

  • 代码
  • #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;
}

 

  • 线程数量 = 4 或者，上面的是线程数量 = 4，下面的是线程数量 = 4，下面的是线程数量 = 12，能够看出来程序运行的时间是有一些差距的，如果继续提升数据运算量，openMP的实验效果会更加明显。
  • 技术分享

 

      4、简单测试--降低数据量，限制线程数量

  • 代码
  • #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;
}

 

  • 当数据量很小的时候，使用或者不使用openMP对于程序的运行时间相差无几
  • 技术分享

     

（四）、openMP学习参考

 

  •  通过 GCC 学习 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/

 

基于GCC的openMP学习与测试


联系
我们