OpenMP 使用小结

1.测试代码

    double t1 = omp_get_wtime();
    time_t t3 = time(NULL);
    clock_t start;
    start = clock();
#pragma omp parallel for num_threads(5) schedule(static)
    for (int i = 0; i < num; i++)
    {
//#pragma omp parallel for num_threads(5) schedule(static)
        for (int k = 0; k < num; k++)
        {
            for (int j = 0; j < total; j++)
            {
                ss[i*num+k] += nu[j];

            }
            printf("thread: %d\n", omp_get_thread_num());
            printf("%f\n", ss[i]);
        }
    }

    double t2 = omp_get_wtime();
    printf("omp time: %lf\n", t2 - t1);

    clock_t finish = clock();
    printf("clock :%f\n", (double)(finish - start) / CLOCKS_PER_SEC);
    time_t t4 = time(NULL);
    printf("c time: %d\n", t4 - t3);

  这是我测试OpenMP加速效果的主要代码部分，不是很难的代码，就不附完整代码了，没什么意思。主要想通过这个例子总结一下自己使用OpenMP加速遇到的问题和一些收获。

2.时间测试

  网上面有的博客说c语言的clock()函数在给使用OpenMP的代码计时时时间不对，好在我一开始使用的是time()函数，这里我做了一个小实验，就是上面的代码，运行后：

  可以看到其实三个计时函数得到的时间几乎是一致的，所以计时使用哪个函数都是可以的，至于网上的说法，如果觉得不保险，那就用omp_get_wtime()函数。

3.OpenMP加速效果

  这是最重要的部分，之所以会有这篇博客，就是因为之前使用OpenMP不仅没有加速，反而慢了很多倍，所以就想做个小实验看看究竟是什么问题。

(1)使用OpenMP

(2)不使用OpenMP

  依旧是1中的代码，可以看到使用多线程以后加速效果很不错，大概提速了三倍，我们这里使用了5个线程，理想条件下是要快5倍，但是并行化要做很多准备，这段额外消耗时间会影响加速效果。
  还有一个很影响加速效果的地方，就是并行化的位置，敲个黑板，这是我这个实验收获最大的地方：

(3)外层for循环并行化

前面已经测试过了，就把(1)图再粘一次：

(4)内层for循环并行化

  (3)和(4)对比很明显，内层循环并行化并没有很大的速度提升，我开始一直在对内层循环做并行化，效果比上面图片的结果更差，后来想着要不换个位置试试，没想到提升那么明显，所以大家在写代码的时候，可以多试试，这样收获比道听途说肯定多的多。