openmp在多重循环内的简单使用及其详解

感谢AllyLi0022，本文转自https://blog.csdn.net/allyli0022/article/details/52702466

// File: PrivateTest.cpp : 定义控制台应用程序的入口点。
#include<omp.h>
#include<iostream>
 
using namespace std;
//private测试
 
int PrivateTest()
{
	cout<<"private输出：\n";
 
	inti=0,j=10;
 
#pragmaomp parallel for private(j)
	for(i=0;i<8;i++)
	{
		cout<<i<<":"<<j<<"\n";
		j++;
		cout<<i<<":"<<j<<"\n";
	} 
 
	return0;
}

// File: PrivateTest.cpp : 定义控制台应用程序的入口点。
#include<omp.h>
#include<iostream>
 
using namespace std;
 
//private测试
int PrivateTest()
{
	cout<<"private输出：\n";
	int i=0,j=10;
#pragmaomp parallel for private(j)
	for(i=0;i<8;i++)
	{
		j=10;
		cout<<i<<":"<<j<<"\n";
		j++;
		cout<<i<<":"<<j<<"\n";
	} 
 
	return0;
} 
 

      firstprivate条件用于表示其后list列出的变量在并形体中私有的，但其在并形体中的初始化值为并行之前设置的值。同样以上面的代码为例：

// File: FirstPrivateTest.cpp : 定义控制台应用程序的入口点。
#include<omp.h>
#include<iostream>
 
using namespace std;
 
//FirstPrivateTest测试
int FirstPrivateTest()
{
      cout<<"firstprivate输出：\n";
      inti=0,j=10;
#pragmaomp parallel for firstprivate(j)
      for(i=0;i<8;i++)
      {
            cout<<i<<":"<<j<<"\n";
      j++;
      cout<<i<<":"<<j<<"\n";
      } 
 
      return0;
}

      该代码与之前代码没有什么太大区别，尽管在并形体中没有对j进行初始化，但是它能正常正确的运行，其原因就是将变量j设置成了firstprivate。虽说在并形体中并没有对j进行初始化，但是在并形体中j的初始值就是10。

      lastprivate条件与firstprivate的含义类似，只是它设置的变量需要在并形体中初始化，但是其最后的结果可以在并形体外部使用。
 

// File: LastPrivateTest.cpp : 定义控制台应用程序的入口点。
#include<omp.h>
#include<iostream>
 
using namespace std;
 
//LastPrivateTest测试
int LastPrivateTest()
{
      cout<<"lastprivate输出：\n";
      inti=0,j=10;
#pragmaomp parallel for lastprivate(j)
      for(i=0;i<8;i++)
      {
            j=5;
            cout<<i<<":"<<j<<"\n";
            j++;
            cout<<i<<":"<<j<<"\n";
      }
 
      cout<<"最后j的值为:"<<j<<"\n";
 
      return0;
}

// File: ReductionTest.cpp : 定义控制台应用程序的入口点。
#include<omp.h>
#include<iostream>
 
using namespace std;
 
//ReductionTest测试
int ReductionTest()
{
      cout<<"reduction输出：\n";
      inti=0,j=10;
#pragmaomp parallel for reduction(+:j)
      for(i=0;i<8;i++)
      {
            j=2;
            cout<<i<<":"<<j<<"\n";
            j++;
            cout<<i<<":"<<j<<"\n";
      }
 
      cout<<"最后j的值为:"<<j<<"\n";
 
      return0;
}

// File: ScheduleTest.cpp 
#include<omp.h>
#include<iostream>
 
using namespace std;
 
//private测试
int ScheduleTest()
{
      cout<<"ScheduleTest输出：\n";
      inti=0,j,chunkSize = 1;
      doublestarttime,endtime; 
      cout<<"请输入并行块的大小（-200）：\n";
      cin>>chunkSize;
      starttime=omp_get_wtime();
#pragmaomp parallel for private(j)schedule(static,chunkSize)
      for(i=0;i<200;i++)
      {
            for(j=0;j<100000000;j++);
      }
 
      endtime=omp_get_wtime();
 
      cout<<"计算耗时为："<<endtime-starttime<<"s\n";
 
      return0;
}

      从上图以及测试结果可以得知：在每核平均执行并行块数目大于或等于1.0时，并行块数目对计算效率的影响呈锯齿状形态；当每核平均执行并行块数目小于1.0时，计算效率急剧下降；空闲线程数目越多，计算效率越低。当每核平均执行并行块数目为1，且每个并行块中尺寸均匀相等时，计算效率会提供到极大值，上例中即并行块尺寸为25时。若每个循环的计算量相差不大，建议采用static设置每个并行块尺寸一样。