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。