并行計算的實驗

實驗一多線程計算n,性能分析1.1實驗內(nèi)容多線程計算n性能分析1.2實驗原理—X01+X2'i+0.5丫I丿1.3實現(xiàn)方法編程語言：C++多線程：windows多線程thread平臺：windows7600(32bit)，LenovoT400Laptop，IntelCore2DuoP8400@2.26GHz集成開發(fā)環(huán)境：VisualStudioTeamSystem2008(32bit)1.4程序流程圖開始*設定線程數(shù)*設定累加數(shù)1.5實驗結果線程數(shù)NUM_THREAD=4N nTime-cost1003.141600986923123ms10003.141592736923134ms100003.141592654423135ms1000003.1415926535981325ms10000003.1415926535899082ms1.6性能分析精度隨疊加次數(shù)N的增大而趨近于n的真實值，計算時間也隨之增高；相同的疊加次數(shù)下，因為是雙核處理器，線程數(shù)為2時計算性能最高。理論性能提升有極限值，所以不會因為線程的增多而性能無限增強。當線程數(shù)很大時，計算時間增加很快。1.7總結展望第一次編寫并行化的程序，對多線程編程有了初步的認識。由于是在VisualStudio平臺下編程，很多知識是從Lunix平臺移植過來的，雖然表現(xiàn)形式有少許差別，但核心思想一致。通過學習，對windows多線程編程有了一定的掌握。實驗二3PCF計算多線程實現(xiàn)實驗內(nèi)容?定義：點集D、R。一定義D中的點為a.UD,R中的點為b.UR。ii一距離：片、r2、r3、err?求：滿足以下條件的三元組(空間中三角形)的數(shù)目?va.,b,b＞，la.-b|=r土err且la.-bl=r“土err且lb-b|=r土errimnim1 in2 mn3實驗原理對于D中每一點a.,在R中找到與之距離為、的點集R',找到與之距離為r2的點集R''。i 1 2在點集R'與R''中，查找兩點間距離為r3的點組數(shù)目。累加。多線程中將D點分組，分別驗證符合要求的點組，累加數(shù)目。實現(xiàn)方法編程語言：c++多線程：windows多線程thread平臺：windows7600(32bit)，LenovoT400Laptop，IntelCore2DuoP8400@2.26GHz集成開發(fā)環(huán)境：VisualStudioTeamSystem2008(32bit)程序流程圖

2.5實驗結果r1=0.4r2=0.8r3=0.7err=0.2D/RcountTime-cost3233410TOC\o"1-5"\h\z256 1828275 0.25512 13908434 1.801024 115062333 14.562048919041742115.21409673678266071048.492.6性能分析相同的線程數(shù)，點集增大時，計算時間增多；相同的點集，線程增多時，計算時間先減少后增多。這與理論相符，點集增大，計算量隨之增加；線程增多，程序并行化提高，但由于計算單元有限，無限制增加線程會提高線程間通信成本，導致計算性能降低。2.7總結展望此次實驗與第一次實驗多線程實現(xiàn)方法相同，采用域劃分，將相同的任務分配給不同的線程，將計算量均衡化，采用3PCF的基本思想，逐一驗證三邊，算法效率較低，可以設計新優(yōu)化算法，利用矩陣乘法快速求出3PCF的結果，待實現(xiàn)。實驗三MPI實現(xiàn)Jacobi迭代3.1實驗內(nèi)容h+//；+//,.+h；h力h+//；+//,.+h；h力+i,/MetalplateEnlarged實驗原理通過MPI消息傳遞，實現(xiàn)并行計算。每個進程根據(jù)各自的Rank來劃分數(shù)據(jù)域，并進行自己的迭代，覆蓋原來的矩陣，進程之間互相通訊傳遞消息，繼續(xù)循環(huán)迭代矩陣，直到達到迭代次數(shù)為止。將1024*1024的矩陣初始化，將邊界設置為10，不斷進行迭代，可以看出矩陣向中央均衡化的過程，逐漸收斂。實現(xiàn)方法編程語言：C++多線程：MPI平臺：windows7600(32bit)，LenovoT400Laptop，IntelCore2DuoP8400@2.26GHz集成開發(fā)環(huán)境：VisualStudioTeamSystem2008(32bit)程序流程圖

Y循環(huán)結束N分區(qū)Jacobi迭代消息傳遞1分區(qū)Jacobi迭代消息傳遞分區(qū)Jacobi迭代Y循環(huán)結束N分區(qū)Jacobi迭代消息傳遞1分區(qū)Jacobi迭代消息傳遞分區(qū)Jacobi迭代消肖息傳遞,分區(qū)Jacobi迭代覆蓋原矩陣分別輸出迭代結果MPI初始化開始結束3.5實驗結果局部數(shù)據(jù)截圖： 11.U> !-■1.1 -C.77-L ~E1.u'X■■_■. -L U*9344130.9396970.9336410.^382530.93226T0.9361080.^305430.9335759392730.9335020.9382530.^323750.9364090.9307550.^340150.9289359330900.9378S40.9322670.9364090.93082&0.9342380.^290250.931B889371610.g3iw0.9361080.9307550.9342380.9290560.^318270.9271489314280.9355170.9305430.9340150.9290250.931S2T0.^271340.92927393465^0.9301990.9335750.92B9350.9316880.9271480.^292730.9251419297360.932^370.92S7880.9314150.9271870.9292230.^25igg0.9266B293212E0.928EST0.9310170.9272500.9291230.9253720.^2&7210.92326192833^0.930EOB0.9273310.92B9770.9256490.9267960.^235640.9242B7□.9299070.9274240.92S7870.9260190.926^020.9240540.^245310.921B410.9275220.9285590.9264&30.^270330.92470S0.9248810.^225310.9224220.92S2970.926^590.9271800.^254970.9253220.9234550.0.9211470.9274S30.9273330.9263860.^258310.9245710.9237260.^223140.9213340.9274S30.927333Q.9263360.^25S310.924571Q.9237260.9盈3140.9213340.9282970.926^59Q.9271300.^254970.925322Q.9234550.9盈旳80.9211479275220.9Z85590.9264&30.^270330.9247080.9248810.^225310.9224229299070.9Z74240.9287870.^260190.926^020.9240540.^24：5310.92184192833^0.9305080.9273310.^289770.9256490.9267960.^235640.9242873.6總結展望學習并實踐了一種新的并行程序設計方法，掌握應用了MPI六個基本函數(shù)，對MPI模型有了基本了解。MPI是一種很好的實現(xiàn)并行計算的方法，并可應用于Cluster中，適合多臺計算機或集群并行計算。由于時間有限，現(xiàn)只實現(xiàn)了MPI+VC的編程，未來將實現(xiàn)MPI在Lunix的應用。實驗四基于MapRedue模型的WordCount算法實驗內(nèi)容基于MapRedue模型的WordCount算法在Hadoop上的實現(xiàn)實驗原理將數(shù)據(jù)源中的word和1作為map函數(shù)中的＜key,value＞對。map()生成一個或多個中間結果，以及與input相對應的一個outputkey。reduce()函數(shù)將這些中間結果組合為多個對應于同一outputkey的finalvalue，將相同word中的value相加，最終的＜key,value＞^代表keyword出現(xiàn)了value次。將基于Mapreduce的WordCount并行化，對每個文件分別Map,然后Reduce，之后將各個線程的結果最終歸約，得到求解。實現(xiàn)方法編程語言：java平臺：雙i7四核，Ubuntu，SSH遠程登錄偽代碼map(Stringinput_key,Stringinput_value)://input_key:documentname//input_value:documentcontentsforeachwordwininput_value:EmitIntermediate(w,"1");reduce(Stringoutput_key,Iteratorintermediate_values)://output_key:aword//output_values:alistofcountsintresult=0;foreachvinintermediate_values:result+=ParseInt(v);Emit(AsString(result));性能分析將MapReduce并行化之后，每個線程處理數(shù)據(jù)域的文檔，各自MapReduce之后將結果進行歸約，得到最終的方案。計算量一定，線程數(shù)增多，計算時間先減少后增加，符合理論值。因為計算單元有限，所以超過一定數(shù)量后，通信成本過高，程