实验二 基于MPI计算π值

实验二  基于MPI计算π值

一、实验题目：

用 MPI 集合通讯编程计算π的值。

二、实验目的
熟悉 MPI 编程的集合通讯调用，加深对其编程的理解。
三、实验环境
Linux Centos， 运行 MPI

四、程序设计

（一）源码：

#include <stdio.h>

#include <stdlib.h>

#include <math.h>

#include <mpi.h>

//计算圆周率积分公式中的被积函数值

double f(double x) {

    return 4.0 / (1.0 + x * x);

}

//梯形法则计算积分的近似值，base_length（梯形底边长度），num_intervals（梯形数量）和start（梯形起始位置）

double trapezoidal_integral(double base_length, int num_intervals, double start) {

    double integral = (f(start) + f(start + num_intervals * base_length)) / 2.0;

    for (int i = 1; i < num_intervals; i++) {

        double x_i = start + i * base_length;

        integral += f(x_i);

    }

    integral *= base_length;

    return integral;

}

int main(int argc, char** argv) {

    int rank, size;//进程等级、总进程数

    int num_intervals = 0;

    double base_length, local_integral, total_integral;

    MPI_Init(&argc, &argv);

    MPI_Comm_size(MPI_COMM_WORLD, &size);

    MPI_Comm_rank(MPI_COMM_WORLD, &rank);

    //等级为0，接收用户输入的区间数（梯形数），然后通过MPI_Bcast广播到所有进程。

    if (rank == 0) {

        printf("Enter the number of intervals: ");

        fflush(stdout);

        scanf("%d", &num_intervals);

    }

    MPI_Bcast(&num_intervals, 1, MPI_INT, 0, MPI_COMM_WORLD);

    //计算梯形底边长度base_length。

    base_length = 1.0 / (double)num_intervals;

    //为每个进程分配本地梯形数量（local_num_intervals）和起始、结束位置（local_start和local_end）。

    int local_num_intervals = num_intervals / size;

    int local_start = rank * local_num_intervals;

    int local_end = (rank == size - 1) ? num_intervals : (rank + 1) * local_num_intervals;

    //计算本地起始位置对应的x值（local_base_start）。

    double local_base_start = base_length * local_start;

    //使用trapezoidal_integral函数计算每个进程的本地积分值（local_integral）。

    local_integral = trapezoidal_integral(base_length, local_end - local_start, local_base_start);

   

    MPI_Reduce(&local_integral, &total_integral, 1, MPI_DOUBLE, MPI_SUM, 0, MPI_COMM_WORLD);

    //等级为0的进程输出最终估计的π值。

    if (rank == 0) {

        printf("Estimated value of Pi: %.15f\n", total_integral);

    }

    //结束MPI环境

    MPI_Finalize();

    return 0;

}

（二）整体逻辑：

代码的整体实现逻辑是使用MPI并行计算框架和梯形积分法来估计π值。以下是实现逻辑的详细步骤：

初始化MPI环境：使用MPI_Init函数初始化MPI环境。这是使用MPI进行并行计算的第一步。

获取进程信息：使用MPI_Comm_size获取总进程数（size），使用MPI_Comm_rank获取当前进程的等级（rank）。

输入区间数：在等级为0的进程中，从用户那里接收区间数（梯形数），然后通过MPI_Bcast广播到所有进程。

计算梯形底边长度：将1除以总区间数，得到梯形底边长度base_length。

分配本地梯形：为每个进程分配一定数量的梯形，计算每个进程的本地梯形数量（local_num_intervals），起始位置（local_start）和结束位置（local_end）。

计算本地积分值：根据每个进程的起始位置，计算本地梯形积分值（local_integral）。这一步使用了trapezoidal_integral函数来计算每个进程的本地积分值。

汇总积分值：使用MPI_Reduce函数将所有进程的本地积分值相加，得到总积分值（total_integral）。

输出结果：等级为0的进程输出最终估计的π值。

结束MPI环境：使用MPI_Finalize函数结束MPI环境。

整体实现逻辑的关键在于将梯形积分法应用于计算π的近似值，并利用MPI并行计算框架将任务分发到多个进程上，以提高计算效率。通过将总区间数（梯形数）分配给多个进程，可以在保持计算精度的同时减少单个进程的计算负担。

（三）关键函数分析：

（1）、double f(double x)：这个函数计算圆周率积分公式中的被积函数值，即 4 / (1 + x^2)。这是一个数学公式，用于计算π的近似值。

（2）、double trapezoidal_integral(double base_length, int num_intervals, double start)：这个函数使用梯形法则计算积分的近似值。它接收3个参数：base_length（梯形底边长度），num_intervals（梯形数量）和start（梯形起始位置）。函数首先计算起始点和结束点的函数值之和的一半，然后遍历每个梯形，计算梯形顶边对应点的函数值。最后将梯形和乘以底边长度，得到积分近似值。

（3）、主函数：

首先，初始化MPI环境并获取进程等级（rank）和总进程数（size）。

等级为0的进程接收用户输入的区间数（梯形数），然后通过MPI_Bcast广播到所有进程。

计算梯形底边长度base_length。

为每个进程分配本地梯形数量（local_num_intervals）和起始、结束位置（local_start和local_end）。

计算本地起始位置对应的x值（local_base_start）。

使用trapezoidal_integral函数计算每个进程的本地积分值（local_integral）。

通过MPI_Reduce将所有进程的本地积分值相加，得到总积分值（total_integral）。

等级为0的进程输出最终估计的π值。

结束MPI环境。

程序的整体逻辑是将梯形积分法应用于计算π的近似值。通过MPI并行计算，每个进程负责一部分梯形的计算，并将结果汇总以获得总的积分值。梯形数量越多，计算结果越接近真实的π值。

（四）、Linux命令：

Ls：列出当前目录中的所有文件或目录

Rm：删除文件或空目录

Rz：上传文件

mpicc -o pi_mpi 1.c 编译程序

mpirun -np 4 ./pi_mpi 运行程序

五、运行结果

mpirun -np 4 ./pi_mpi

六、实验心得

代码中程序编写技巧

1. 包含头文件：代码中包含了一些标准头文件和MPI头文件，以便使用相关的函数和类型。例如，<stdio.h>、<stdlib.h>和<math.h>是标准头文件，<mpi.h>是MPI头文件。
2. 积分函数定义：代码中定义了被积函数f(x)，它返回一个double类型的结果。这个函数用于计算圆周率积分公式中的被积函数值。
3. 梯形法则计算积分：代码中定义了trapezoidal_integral函数，它使用梯形法则来计算积分的近似值。它接受梯形底边长度、梯形数量和起始位置作为参数，并返回近似的积分值。
4. MPI初始化：通过调用MPI_Init(&argc, &argv)来初始化MPI。argc和argv参数允许将命令行参数传递给MPI初始化函数。
5. 获取进程等级和总进程数：使用MPI_Comm_size(MPI_COMM_WORLD, &size)和MPI_Comm_rank(MPI_COMM_WORLD, &rank)函数分别获取通信域中的进程数量和当前进程的等级。
6. 输入参数广播：在等级为0的进程中，使用标准输入函数（如scanf）获取用户输入的梯形数量，并使用MPI_Bcast函数将其广播给所有进程。
7. 任务分配：根据进程等级，计算每个进程的本地梯形数量、起始位置和结束位置。使用MPI_Bcast广播梯形底边长度给所有进程。
8. 本地积分计算：在每个进程中，使用trapezoidal_integral函数计算本地积分值，使用本地起始位置和梯形数量计算本地积分范围。
9. 全局积分汇总：使用MPI_Reduce函数将每个进程的本地积分值汇总到等级为0的进程中，使用MPI_SUM操作进行求和。
10. 输出结果：在等级为0的进程中，输出最终估计的π值。
11. 结束MPI环境：在程序的最后通过调用MPI_Finalize()函数来结束MPI。

函数使用技巧

1. MPI初始化和结束：在程序的开始和结束分别调用MPI_Init和MPI_Finalize函数来初始化和结束MPI环境。这确保了MPI库的正确使用，并且每个进程都在正确的时间点开始和结束MPI环境。
2. 进程等级和总进程数获取：通过调用MPI_Comm_size和MPI_Comm_rank函数分别获取通信域中的进程数量和当前进程的等级。这些信息对于进程间的任务分配和协调非常重要。
3. 数据广播：使用MPI_Bcast函数将梯形数量和梯形底边长度从等级为0的进程广播给其他进程。这确保了所有进程都具有相同的参数值，以便进行一致的计算。
4. 全局规约：使用MPI_Reduce函数将每个进程的本地积分值汇总到等级为0的进程中。使用MPI_SUM操作进行求和。这允许在主进程中进行最终结果的计算和输出。
5. 并行计算：在每个进程中使用trapezoidal_integral函数计算本地积分值。通过将工作分布给多个进程，实现并行计算，提高了计算效率。

可能出错的地方

1. 输入合法性验证：代码中未对用户输入的梯形数量进行验证和范围检查。在实际应用中，可能需要添加对用户输入的合法性验证的代码。
2. 梯形数量和进程数量的关系：代码中假设梯形数量是进程数量的整数倍，这样可以确保每个进程获得相等数量的梯形。如果梯形数量不能被进程数量整除，可能需要使用更复杂的任务划分策略。
3. 积分方法的精确性：梯形法则是一种数值积分方法，其结果是对积分的近似值。对于更高精度的计算，可能需要使用其他数值积分方法。
4. 并行性能：在这个简单的示例中，每个进程都进行了积分计算，然后将结果汇总到等级为0的进程中。这种并行计算方式可能不是最有效的，并且可能存在负载不均衡的问题。在实际应用中，可能需要进行更复杂的任务分配和负载平衡。
5. 错误处理：MPI函数返回的错误代码可以用于检测并处理MPI调用中的错误。在实际的MPI程序中，通常需要对MPI函数的返回值进行检查，并根据错误码采取相应的错误处理措施。

在本次实验中，我们使用了MPI并行编程方法来估计π值。通过实验，我们学习了MPI的基本概念、函数和编程方法。以下是实验心得：

1.MPI的重要性：并行计算在高性能计算领域具有重要意义。MPI作为一种通用的并行编程方法，可以帮助我们在多个处理器上分发任务，以提高计算效率。

2.MPI函数的使用：在实验过程中，我们学习了MPI的基本函数，例如MPI_Init、MPI_Comm_size、MPI_Comm_rank、MPI_Bcast、MPI_Reduce等。这些函数有助于我们控制并行计算过程，分发任务并收集结果。

3.代码结构：通过将代码分解成不同的函数，如f和trapezoidal_integral，我们可以使代码结构更清晰，易于理解和维护。同时，将关键算法和MPI相关代码分离，有助于提高代码的可复用性。

4.调试与优化：在进行实验时，我发现了一个计算误差的问题，并通过仔细审查代码，成功解决了问题。这说明在进行并行编程时，要特别注意代码的正确性，确保计算结果的准确性。

5.性能与精度权衡：在实验中，我们学习了如何根据计算资源和期望精度选择合适的区间数。较大的区间数可以提高计算精度，但可能导致计算时间过长。因此，在实际应用中，需要根据需求合理选择参数，实现性能与精度之间的平衡。

总之，通过本次实验，我掌握了MPI并行编程的基本知识和技巧，加深了对并行计算的理解。在未来的工作中，我可以运用所学知识解决实际问题，提高计算效率。