OMP并行计算常用的函数

omp_set_max_active_levels    最大的嵌套并行层数

omp_get_num_procs              获取CPU核心数

omp_set_num_threads            设置后续所有并行域的线程数

omp_get_num_threads               获取函数调用处线程数

omp_get_thread_num               获取当前线程的线程号

关于嵌套并行域,子程序omp_set_max_active_levels 用于设置执行时最大嵌套并行层,并且默认n=1。注:若n=0则并行域失效,进行的是串行代码,n>1时,可进行嵌套并行。

vs2019/GCC 9.4.0 不支持 omp_set_max_active_levels。用OMP_SET_NESTED函数开启/关闭嵌套模型。
数据属性可归结为三类:shared、private、 threadprivate。
进入并行域时,如果变量具有 私有属性
(private, firstprivate, lastprivate, reduction, linear), 则会 额外 开辟nT份(线程数)临时空间来存储数据,并在退出该结 构时 销毁 临时数据。
default(private | firstprivate | shared | none)
设置并行域内的变量的默认属性,即如果没有显式给定变量 的属性,则其属性为默认属性。
如果是none则显示无默认属性,都需要咱们手动自己添加。
private(a,b,c...) 变量a,b,c等为私有变量,每个线程都生成变量的私有备份, 同一变量在各个线程中可以有不同值。 初始值未知 。线程同步结束之后的值不变
firstprivate(a,b,c...) 变量a,b,c等为私有变量,每个线程都生成变量的私有备份, 同一变量在各个线程中可以有不同值。 初始值为主线程的值 。线程同步结束之后的值不变
shared(a,b,c...) 变量a,b,c等为共享变量,所有线程共享同一片内存(一荣俱 荣)。 初始值为主线程的值。 线程同步结束之后i的值改变
私有变量:reduction(operator::list)
操作符对应的初始值也是不一样的,如图所示。

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
求解 π 的方法有很多种,其中一种并行计算的方法是使用 Monte Carlo 方法。该方法可以通过生成随机数来估算 π 的值。 具体步骤如下: 1. 在一个正方形内部画一个圆,使圆的直径等于正方形的边长。 2. 在正方形内部随机生成一组点。 3. 对于每个点,判断它是否在圆内(可以通过判断该点到正方形中心的距离是否小于等于圆的半径来判断)。 4. 统计在圆内的点的数量和总点的数量。 5. 通过统计结果计算 π 的值:π = 4 * (在圆内的点的数量) / (总点的数量)。 由于每个点的计算是独立的,因此可以使用并行计算来加速计算过程。 具体实现可以使用MPI(Message Passing Interface)或OpenMP(Open Multi-Processing)等并行计算框架。在MPI中,可以使用MPI_Send和MPI_Recv函数来进行进程间通信,从而实现并行计算。在OpenMP中,可以使用#pragma omp parallel指令来将循环并行化,加速计算过程。 下面是一个简单的MPI实现代码示例: ```python from mpi4py import MPI import random comm = MPI.COMM_WORLD size = comm.Get_size() rank = comm.Get_rank() n = 1000000 # 每个进程生成的点数 count = 0 # 在圆内的点的数量 # 生成随机点并计算在圆内的点的数量 for i in range(n): x = random.uniform(-1, 1) y = random.uniform(-1, 1) if x**2 + y**2 <= 1: count += 1 # 将各进程统计结果相加 total_count = comm.reduce(count, op=MPI.SUM, root=0) if rank == 0: # 计算π的值 pi = 4 * total_count / (n * size) print("π的值为:", pi) ``` 该代码将生成 n 个随机点,并统计在圆内的点的数量。各进程的结果通过MPI_Reduce函数进行相加,并由rank为0的进程计算π的值并输出。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值