第四次实验——直方图

第四次实验——直方图

实验题目

这次实验课的作业的题目是
给出一个有1000万个小数(0<=x<10)的文本，内容及格式如下：

......
8.3239
2.7415
2.7458
1.8906
9.3619
1.1934
7.3677
2.1256
8.2818
3.0802
2.179
......

编写程序将文本读入内存，然后统计数据的分布，并记录统计所花费的时间（从读完文本开始计算）。输出格式为：

0<=x<1：n0条
1<=x<2：n1条
2<=x<3：n2条
3<=x<4：n3条
4<=x<5：n4条
5<=x<6：n5条
6<=x<7：n6条
7<=x<8：n7条
8<=x<9：n8条
9<=x<10：n9条

然后再将程序改造成并行程序。

---

这次实验我用的编程语言是C++，因为用OpenMP将程序由串行改造成并行很简单方便。虽然最开始学习编程的时候学的是C语言，但是用得少了也确实不太熟练。
其实，主要是为了体验一下OpenMP！！

读文本

这次实验其实并没有很困难的地方，多的好像是开始就被读文本这一步难住了，难点在于怎样去存储这些数据。
怎么做呢？我的想法是用文件输入流ifstream的getline()逐行读入。而从文本读入的是字符流，所以还包括一个步骤是将数据从字符串转换成浮点型。最后用一个vector将数据存起来。

代码：

vector<double> data;//数据容器

ifstream file("data.txt");//输入流
char buffer[10];//缓冲区

while(!file.eof())
{
    file.getline(buffer, 10);//读取一行（最多10个字符）到缓冲区
    double num = atof(buffer); //char[]转double
    data.insert(data.end(), num);
}

其中
vector要包含头文件”vector”
ifstream要包含头文件”fstream”

记录时间

#include <time.h>

int t1 = clock(); //记录运行时间
/*
 * 在这里做统计
 */
int t2 = clock();

int time = t2 - t1; //统计数据分布所话费的时间

统计分布

这个很简单，不多解释

//初始化直方图
int histogram[10];
for(int i = 0; i < 10; i++)
{
    histogram[i] = 0;
}

for(unsigned i = 0; i < data.size(); i++)
{
    histogram[(int)data[i]]++;
}

输出部分就不写了。

改成并行

既然是用OpenMp，那么只需要在for循环前面加上一行

#pragma omp parallel for
for(unsigned i = 0; i < data.size(); i++)
{
    histogram[(int)data[i]]++;
}

分析结果

串行的运行结果：

0 <= x < 1: 1000593条
1 <= x < 2: 998788条
2 <= x < 3: 998657条
3 <= x < 4: 998940条
4 <= x < 5: 1001225条
5 <= x < 6: 1001866条
6 <= x < 7: 1000803条
7 <= x < 8: 999321条
8 <= x < 9: 1000220条
9 <= x < 10: 999587条
686ms

启用OpenMP的运行结果：

0 <= x < 1: 932024条
1 <= x < 2: 929866条
2 <= x < 3: 929916条
3 <= x < 4: 929729条
4 <= x < 5: 931948条
5 <= x < 6: 932499条
6 <= x < 7: 926111条
7 <= x < 8: 930997条
8 <= x < 9: 930107条
9 <= x < 10: 930549条
312ms

由上面的对比，可以发现改成并行计算的结果是错误的。
这是启用了OpenMP之后，多线程共享了变量histogram[]，如果没有对变量做互斥访问的控制，这样的问题就出现了，不过计算花费的时间是明显减少了。

OpenMP还可以加入互斥代码块：

#pragma omp critical
{
    /*
     * 这段代码是互斥的
     */
}

即代码改成了

#pragma omp parallel for
for(unsigned i = 0; i < data.size(); i++)
{
    #pragma omp critical
    {
        histogram[(int)data[i]]++;
    }
}

这样以后，运行的结果变成了

0 <= x < 1: 1000594条
1 <= x < 2: 998788条
2 <= x < 3: 998657条
3 <= x < 4: 998940条
4 <= x < 5: 1001225条
5 <= x < 6: 1001866条
6 <= x < 7: 1000803条
7 <= x < 8: 999321条
8 <= x < 9: 1000220条
9 <= x < 10: 999587条
39044 ms

可以看到时间长了好多好多好多好多好多。