博文
VS2010中进行OpenMP并行程序设计
|||
OpenMP是一个支持共享存储并行设计的库，特别适宜多核CPU上的并行程序设计。
在VS2010中项目的属性对话框中，左边框里的“配置属性”下的“C/C++”下的“语言”页里，将OpenMP支持改为“是/（OpenMP）”就可以支持OpenMP了。
先看一个简单的使用了OpenMP程序
#include "stdafx.h"
#include "omp.h"
#include<cstdlib>
#include<cstdlib>
int _tmain(int argc, _TCHAR* argv[])
{
{
omp_set_num_threads(2);
#pragma omp parallel for
for (int i = 0; i < 10; i++ )
{
printf("i = %dn", i);
}
system("pause");
return 0;
}
#pragma omp parallel for
for (int i = 0; i < 10; i++ )
{
printf("i = %dn", i);
}
system("pause");
return 0;
}
这个程序执行后打印出以下结果：
i = 0
i = 1
i = 2
i = 8
i = 9
i = 3
i = 4
i = 5
i = 6
i = 7
请按任意键继续. . .
i = 1
i = 2
i = 8
i = 9
i = 3
i = 4
i = 5
i = 6
i = 7
请按任意键继续. . .
可见for 循环语句中的内容被并行执行了。（每次运行的打印结果可能会有区别）
这里要说明一下，#pragma omp parallel for 这条语句是用来指定后面的for循环语句变成并行执行的，当然for循环里的内容必须满足可以并行执行，即每次循环互不相干，后一次循环不依赖于前面的循环。
有关#pragma omp parallel for 这条语句的具体含义及相关OpenMP指令和函数的介绍暂时先放一放，只要知道这条语句会将后面的for循环里的内容变成并行执行就行了。
将for循环里的语句变成并行执行后效率会不会提高呢，我想这是我们最关心的内容了。下面就写一个简单的测试程序来测试一下：
// openmp_test.cpp : 定义控制台应用程序的入口点。
//
//
#include "stdafx.h"
#include<cstdlib>
#include <time.h>
#include<cstdlib>
#include <time.h>
void test()
{
int a = 0;
clock_t t1 = clock();
for (int i = 0; i < 100000000; i++)
{
a = i+1;
}
clock_t t2 = clock();
printf("Time = %dn", t2-t1);
}
{
int a = 0;
clock_t t1 = clock();
for (int i = 0; i < 100000000; i++)
{
a = i+1;
}
clock_t t2 = clock();
printf("Time = %dn", t2-t1);
}
int main(int argc, char* argv[])
{
clock_t t1 = clock();
#pragma omp parallel for
for ( int j = 0; j < 2; j++ ){
test();
}
clock_t t2 = clock();
printf("Total time = %dn", t2-t1);
{
clock_t t1 = clock();
#pragma omp parallel for
for ( int j = 0; j < 2; j++ ){
test();
}
clock_t t2 = clock();
printf("Total time = %dn", t2-t1);
test();
system("pause");
return 0;
}
system("pause");
return 0;
}
在test()函数中，执行了1亿次循环，主要是用来执行一个长时间的操作。
在main（）函数里，先在一个循环里调用test()函数，只循环2次，我们还是看一下在双核CPU上的运行结果吧：
Time = 237
Time = 239
Total time = 241
Time = 232
请按任意键继续. . .
Time = 239
Total time = 241
Time = 232
请按任意键继续. . .
可以看到在for循环里的两次test()函数调用都花费了~230ms， 但是打印出的总时间却只花费了~240ms，后面那个单独执行的test()函数花费的时间也是~230ms，可见使用并行计算后效率提高了整整一倍。
https://blog.sciencenet.cn/blog-464042-557089.html
上一篇：cout头文件
下一篇：linux下载东西
