基于OpenMP的通用矩阵计算优化(图)

静态调度：

动态调度：

可以看到只需要修改引导语句即可。

2.3.大规模矩阵计算优化

2.3.1.问题描述

2.3.2.构思

我这里的理解比较简单，只要完成parallel_for函数（实现for循环Pthreads的并行化），在parallel_for函数中完成分支（划分任务），创建任务，给线程分配任务即可执行。

将parallel_for 函数打包为.so 文件。调用函数时需要指定线程的工作函数，所以需要自己完成functor函数。比较简单，直接完成矩阵乘法即可。

2.3.3.核心代码

①parallel_for函数

这个需要根据总行数和线程数来划分，可能会有不均匀的情况，所以划分的时候需要注意最后一个线程要处理的行数。然后为划分的任务创建工作线程。

②For_index结构

这个结构用来表示线程需要处理的工作的数量和跨度。 （这里的span其实可以很灵活的实现，比如在矩阵乘法的最内层调用for_parallel函数时，通过指定span就可以很方便地实现矩阵乘法）

③函子函数

这里只是简单的从结构中取出线程所需的行数，进行矩阵乘法。

在Main函数中，只需要调用parallel_for函数即可。

3.实验结果3.1.基于OpenMP的通用矩阵乘法的实现

可以看到手算证明斯特拉森矩阵乘法的正确性，计算结果是正确的；

矩阵大小从512到1024，线程从1到8所需时间：

可以看出线程效率从2到4有明显提升手算证明斯特拉森矩阵乘法的正确性，但从4到8没有明显提升，主要原因是虚拟机核心数不足。

3.2.基于OpenMP的通用矩阵优化

为了体现OpenMP的任务调度机制，我们选择使用2个线程。

可以看出，静态和动态的区别并不大。我认为原因是矩阵乘法任务本身的for循环中的计算量大致相同。

3.3.基于Pthreads构造并行for循环分解、分配和执行机制。

成功生成.so文件；

成功生成可执行文件；

执行结果正确。

4.实验性想法

本实验是高性能实验的 OpenMP 部分。从简单到深入，我掌握了OpenMP的大致内容。同时，第三个任务提高了实验的难度，更好地锻炼了编程能力。