基于GCC的openMP学习与测试

（一）、openMP简述

•   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。

（二）、openMP简单使用

   1、简单的HelloWord程序

• #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个是因为我用的是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

• #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，不指定具体线程数量的情况下，默认实现的总线程数等于处理器的核心数）    

  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。

• #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、while循环中的并行处理、OpenMP critical section、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

• #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;
  }
   

• 从下面的图表可以看出使用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

• #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;
  }

• 从下面的图表能够看出，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

• #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;
  }

• 线程数量对程序的运行时间是有影响的，如果继续提升数据运算量，openMP的实验效果会更加明显。

• 

      4、简单测试--降低数据量，限制线程数量

• #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;
  }

• 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影响不大。

• 

（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/