并行计算——实验五：单机虚拟多个并行进程运行实验三和实验四

实验五：单机虚拟多个并行进程运行实验三和实验四

一.目的:
单机虚拟多个并行进程运行实验三和实验四

二.内容：
单机虚拟多个并行进程运行实验三和实验四

三.步骤:
1.使用命令行或者gui方式运行.exe程序，方法参见实验二
四.程序:
Cpi:
#include “mpi.h”
#include <stdio.h>
#include <math.h>
double f(double);
double f(double a)
{
return (4.0 / (1.0 + a*a));
}
int main(int argc,char *argv[])
{
int done = 0, n, myid, numprocs, i;
double PI25DT = 3.141592653589793238462643;
double mypi, pi, h, sum, x;
double startwtime = 0.0, endwtime;
int namelen;
char processor_name[MPI_MAX_PROCESSOR_NAME];
MPI_Init(&argc,&argv);
MPI_Comm_size(MPI_COMM_WORLD,&numprocs);
MPI_Comm_rank(MPI_COMM_WORLD,&myid);
MPI_Get_processor_name(processor_name,&namelen);
while (!done) {
if (myid == 0) {
fprintf(stdout, “Enter the number of intervals: (0 quits) “);
fflush(stdout);
if (scanf_s(”%d”,&n) != 1) {
fprintf( stdout, “No number entered; quitting\n” );
n = 0;
}
startwtime = MPI_Wtime();
}
MPI_Bcast(&n, 1, MPI_INT, 0, MPI_COMM_WORLD);
if (n == 0)
done = 1;
else {
h = 1.0 / (double) n;
sum = 0.0;
for (i = myid + 1; i <= n; i += numprocs) {
x = h * ((double)i - 0.5);
sum += f(x);
}
mypi = h * sum;
MPI_Reduce(&mypi, &pi, 1, MPI_DOUBLE, MPI_SUM, 0, MPI_COMM_WORLD);
if (myid == 0) {
printf(“pi is approximately %.16f, Error is %.16f\n”,
pi, fabs(pi - PI25DT));
endwtime = MPI_Wtime();
printf(“wall clock time = %f\n”, endwtime-startwtime);
fflush( stdout );
}
}
}
MPI_Finalize();
return 0;
}
Helloworld:
#include “mpi.h”
#include

int main(int argc, char* argv[])
{
int rank;
int size;
MPI_Init(0, 0);
MPI_Comm_rank(MPI_COMM_WORLD, &rank);
MPI_Comm_size(MPI_COMM_WORLD, &size);
std::cout << "Hello world from process " << rank << " of " << size << std::endl;
MPI_Finalize();
return 0;
}
五.运行:
命令行方式：

六.结果:

七.分析与收获:
学会使用不同编译环境利用mpi函数库编写并行计算程序，理解掌握并行计算的过程，明白并行计算的执行顺序；学会使用多种方式启动mpich2打开.exe，理解所需要输入的进程数的含义，所输入的进程数表示mpich2将使用多少个进程处理该.exe程序，可以知道，在处理大数据时所使用的进程数越多，处理速度越快，所以一般并行计算都是多机连接并行计算。