极智Coding | OpenMP 多线程使用

最新推荐文章于 2023-11-14 12:29:23 发布

极智视界

最新推荐文章于 2023-11-14 12:29:23 发布

阅读量864

点赞数 1

文章标签： c++ openmp 并行多线程并行计算

本文链接：https://blog.csdn.net/weixin_42405819/article/details/125490628

版权

欢迎关注我的公众号 [极智视界]，获取我的更多笔记分享

大家好，我是极智视界，本文讲解一下 OpenMP 多线程使用方法。

OpenMP 是一种用于共享内存并行系统的多线程程序设计方案，其提供了对并行算法的高层抽象描述，特别适合在多核 CPU 机器上的并行程序设计。编译器根据程序中添加的 pragma 指令，自动将程序并行处理，使用 OpenMP 降低了并行编程的难度和复杂度。当编译器不支持 OpenMP 时，程序会退化成普通（串行）程序，程序中已有的 OpenMP 指令不会影响程序的正常编译运行。

文章目录

- 1 OpenMP 常用指令
- 2 OpenMP 使用示例

1 OpenMP 常用指令

使用 OpenMP 时需要引入 omp.h 头文件，然后在编译时添加参数 -fopenmp 即可。在具体需要进行并行运算的部分，使用 #pragma omp 指令[子句] 来告诉编译器如何并行执行对应的语句。

常用的指令如下：

parallel：即 #pragma omp parallel 后面需要有一个代码片段，使用 {} 括起来，表示会被并行执行；
parallel for：这里后面接 for 语句即可，不需要有额外的代码块；
sections；
parallel sections；
single：表示只能单线程执行；
critical：临界区，表示每次只能有一个 openmp 线程进入；
barrier：用于并行域内代码的线程同步，线程执行到 barrier 时停下来，直到所有线程都执行到barrier时才继续；

常用的子句如下：

num_threads：指定并行域内线程的数目；
shared：指定一个或者多个变量为多个线程的共享变量；
private：指定一个变量或者多个变量在每个线程中都有它的副本；

另外，openmp 还提供了一些列的 API 函数来获取并行线程的状态或控制并行线程的行为，常用 API 如下：

omp_in_parallel：判断当前是否在并行域中；
omp_get_thread_num：获取线程号；
omp_set_num_threads：设置并行域中线程格式；
omp_get_num_threads：返回并行域中线程数；
omp_get_dynamic：判断是否支持动态改变线程数目；
omp_get_max_threads：获取并行域中可用的最大的并行线程数目；
omp_get_num_procs：返回系统中处理器的个数；

2 OpenMP 使用示例

这里介绍一个计算圆周率的示例：

#include <stdio.h>
#include <omp.h>
 
#define MAX_THREADS 4
 
static long num_steps = 100000000;
double step;

int spmd(){
    int i,j;
    double pi, full_sum = 0.0;
    double start_time, run_time;
    double sum[MAX_THREADS];
    step = 1.0/(double) num_steps;
 
    for(j=1;j<=MAX_THREADS ;j++){
        omp_set_num_threads(j);
        full_sum = 0.0;
        start_time = omp_get_wtime();
      
#pragma omp parallel private(i)
      {
        int id = omp_get_thread_num();
        int numthreads = omp_get_num_threads();
        double x;
        double partial_sum = 0;
#pragma omp single
        printf(" num_threads = %d",numthreads);
        for (i=id;i< num_steps; i+=numthreads){
            x = (i+0.5)*step;
            partial_sum += + 4.0/(1.0+x*x);
        }
#pragma omp critical
        full_sum += partial_sum;
}
      
        pi = step * full_sum;
        run_time = omp_get_wtime() - start_time;
        printf("\n pi is %f in %f seconds %d threds \n ",pi,run_time,j);
    }
}

int openMP(){
    int i;
    double x, pi, sum = 0.0;
    double start_time, run_time;
 
    step = 1.0/(double) num_steps;
    for (i=1;i<=4;i++){
        sum = 0.0;
        omp_set_num_threads(i);
        start_time = omp_get_wtime();
#pragma omp parallel
      {
#pragma omp single
        printf(" num_threads = %d",omp_get_num_threads());
#pragma omp for reduction(+:sum)
        for (i=1;i<= num_steps; i++){
            x = (i-0.5)*step;
            sum = sum + 4.0/(1.0+x*x);
        }
      }
        pi = step * sum;
        run_time = omp_get_wtime() - start_time;
        printf("\n pi is %f in %f seconds and %d threads\n",pi,run_time,i);
    }
}  

int main() {
    spmd();
    printf("openMP Loop Paralelism:\n");
    openMP();
    return 0;
}

运行结果如下：