一、openMP简单测试

 1、简述

• openMP很多情况下对于利用多核处理器进行加速是很有效果的，然而，也有一些情况是openMP不但没有效果，甚至还有一些反作用。

  2、简单测试（1）

• 

  #include<omp.h>
  #include<time.h>
  #include<iostream>
  using namespace std;
  
  void openMP()
  {
      int i,j;
      for(i=0; i<200; i++)
      {
          for( j = 0; j < 10; j++)
              j++;
      }
  }
  
  int main()
  {
      time_t start,end1;
      time( &start );
      double omp_start = omp_get_wtime( );
      int N = 100000000;
      int i,j;
      #pragma omp parallel
      for(int m = 0; m < N ; m++)
      {
          openMP();
  
      }
  
     double omp_end = omp_get_wtime( );
      time( &end1 );
      std::cout<<"used_times "<<end1 - start<<"\n";
     std::cout<<"omp_times "<<omp_end - omp_start<<"\n";
  
      return 0;
  }

  View Code

• 从上面可以看出，使用openMP并行化程序并没有比不使用openMP的要快，甚至线程数量越大的情况下，运行时间反而越长。
• 这是因为，数据量巨大，线程数量越多的时候，程序分配并行程序的时间越多，导致程序的运行时间变慢。这种情况下，使用openMP设置的线程数量越多，效果会越差。

    3、简单测试（2）

• 

  #include<omp.h>
  #include<time.h>
  #include<iostream>
  using namespace std;
  
  void openMP()
  {
      int i,j;
      for(i=0; i<200000000; i++)
      {
          for( j = 0; j < 100; j++)
              j++;
      }
  }
  
  int main()
  {
      time_t start,end1;
      time( &start );
      double omp_start = omp_get_wtime( );
      int N = 1;
      int i,j;
      #pragma omp parallel for
      for(int m = 0; m < N ; m++)
      {
          openMP();
  
      }
  
     double omp_end = omp_get_wtime( );
      time( &end1 );
      std::cout<<"used_times "<<end1 - start<<"\n";
     std::cout<<"omp_times "<<omp_end - omp_start<<"\n";
  
      return 0;
  }

  View Code

• 从上面的图表可以看出，使用openMP以及扩大线程数量与不使用openMP的程序运行时间相差无几
• 这是因为循环一次的情况下，openMP无论设置了多少个线程，所使用的CPU利用率，系统最大会分配给100%，也就是一个线程的CPU利用率，也就和不使用openMP没有什么差别，这种情况下，openMP是没有什么效果的。

二、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（2）