基于GCC的openMP学习与测试（2）

一、openMP简单测试

1、简述

openMP很多情况下对于利用多核处理器进行加速是很有效果的，然而，也有一些情况是openMP不但没有效果，甚至还有一些反作用。

2、简单测试（1）

#include<omp.h>
#include<time.h>
#include<iostream>
using namespace std;

void openMP()
{
    int i,j;
    for(i=0; i<200; i++)
    {
        for( j = 0; j < 10; j++)
            j++;
    }
}

int main()
{
    time_t start,end1;
    time( &start );
    double omp_start = omp_get_wtime( );
    int N = 100000000;
    int i,j;
    #pragma omp parallel
    for(int m = 0; m < N ; m++)
    {
        openMP();

    }

   double omp_end = omp_get_wtime( );
    time( &end1 );
    std::cout<<"used_times "<<end1 - start<<"
";
   std::cout<<"omp_times "<<omp_end - omp_start<<"
";

    return 0;
}

View Code

从上面可以看出，使用openMP并行化程序并没有比不使用openMP的要快，甚至线程数量越大的情况下，运行时间反而越长。
这是因为，数据量巨大，线程数量越多的时候，程序分配并行程序的时间越多，导致程序的运行时间变慢。这种情况下，使用openMP设置的线程数量越多，效果会越差。

3、简单测试（2）

#include<omp.h>
#include<time.h>
#include<iostream>
using namespace std;

void openMP()
{
    int i,j;
    for(i=0; i<200000000; i++)
    {
        for( j = 0; j < 100; j++)
            j++;
    }
}

int main()
{
    time_t start,end1;
    time( &start );
    double omp_start = omp_get_wtime( );
    int N = 1;
    int i,j;
    #pragma omp parallel for
    for(int m = 0; m < N ; m++)
    {
        openMP();

    }

   double omp_end = omp_get_wtime( );
    time( &end1 );
    std::cout<<"used_times "<<end1 - start<<"
";
   std::cout<<"omp_times "<<omp_end - omp_start<<"
";

    return 0;
}

View Code

从上面的图表可以看出，使用openMP以及扩大线程数量与不使用openMP的程序运行时间相差无几
这是因为循环一次的情况下，openMP无论设置了多少个线程，所使用的CPU利用率，系统最大会分配给100%，也就是一个线程的CPU利用率，也就和不使用openMP没有什么差别，这种情况下，openMP是没有什么效果的。

二、openMP学习参考

通过 GCC 学习 OpenMP 框架：https://www.ibm.com/developerworks/cn/aix/library/au-aix-openmp-framework/
Guide into OpenMP ： http://bisqwit.iki.fi/story/howto/openmp/