2、如何自定義線程數量

• num_threads的設置
• omp_set_num_threads()庫函數的設置
• 代碼

• #include <omp.h>
  #include <iostream>
  int main()
  {
    int number_threads = 1;
    omp_set_num_threads(number_threads) //方法二
    #pragma omp parallel num_threads(number_threads) //方式一
    {
      std::cout << "Hello World!\n";
    }
  }
  

• OMP_NUM_THREADS環境變量的設置 （Linux下：export OMP_NUM_THREADS=4）
• 編譯器默認實現（一般而言，默認實現的是總線程數等於處理器的核心數）（不指定具體線程數量的情況下）

3、parallel sections 編譯指示

• pragma omp sections 和 pragma omp parallel 之間的代碼將由所有線程並行運行。pragma omp sections 之後的代碼塊通過 pragma omp section 進一步被分為各個子區段。每個 pragma omp section 塊將由一個單獨的線程執行。但是，區段塊中的各個指令始終按順序運行。
• 代碼

  #include <iostream>
  int main()
  {
     #pragma omp parallel
    {
      std::cout << "parallel \n";
      #pragma omp sections
      {
        #pragma omp section
        {
          std::cout << "section1 \n";
        } 
        #pragma omp section
        {
          std::cout << "sectio2 \n";
          std::cout << "after sectio2 \n";
        }
        #pragma omp section
        {
          std::cout << "sectio3 \n";
          std::cout << "after sectio3 \n";
        }
      }
    }
  }
  
  //運行結果
  [email protected] ~/vsworksapce $ g++ openMP12.cpp -fopenmp
  [email protected] ~/vsworksapce $ ./a.out 
  parallel 
  section1 
  sectio2 
  after sectio2 
  sectio3 
  after sectio3 
  parallel 
  parallel 
  parallel 
  parallel 
  parallel 
  parallel 
  parallel 
  parallel 
  parallel 
  parallel 
  parallel

4、還有一些omp_get_wtime、for循環中的並行處理、OpenMP 實現鎖和互斥、以及firstprivate和lastprivate指令

等一些openMP的使用可以參考（https://www.ibm.com/developerworks/cn/aix/library/au-aix-openmp-framework/）。

（三）、openMP簡單測試

1、簡單的測試--不限制線程數量

• 代碼

  #include <omp.h>
  #include <time.h>
  #include <iostream>
  #include <ctime>
  int main()
  {
      time_t start,end1;
      time( &start );
      int a = 0;
      #pragma omp parallel for
      for (int i = 0; i < 100; ++i)
      {
          for (int j = 0; j < 1000000000; j++);
          //std::cout<< a++ << std::endl;
      }
      time( &end1 );
      double omp_end = omp_get_wtime( );
      std::cout<<std::endl;
      std::cout<<"Time_used " <<((end1 - start))<<"s"<<std::endl;
      std::cout<<"omp_time: "<<((omp_end - omp_start))<<std::endl;
      return 0;
  }
   

• 使用openMp
• 

• 不使用openMP
• 

• 從代碼的運行時間上可以看出使用openMP的運行時間明顯少於不使用openMP。

2、簡單的測試--限制線程數量

• 代碼

• #include <omp.h>
  #include <time.h>
  #include <iostream>
  #include <ctime>
  int main()
  {
      time_t start,end1;
      time( &start );
      int a = 0;
      double omp_start = omp_get_wtime( );
      #pragma omp parallel for num_threads(8)
      for (int i = 0; i < 100; ++i)
      {
          for (int j = 0; j < 1000000000; j++);
      }
      time( &end1 );
      double omp_end = omp_get_wtime( );
      std::cout<<std::endl;
      std::cout<<"Time_used " <<((end1 - start))<<"s"<<std::endl;
      std::cout<<"omp_time: "<<((omp_end - omp_start))<<std::endl;
      return 0;
  }
  

• 線程數量 = 12
• 

• 線程數量 = 8
• 

• 線程數量 = 4
• 

• 從線程數量測試結果能看出來，線程數量對程序運行時間也是有一定的影響的，影響的大小和程序運算數據量有關。

3、簡單測試--提升數據量，限制線程數量

• 代碼

• #include <omp.h>
  #include <time.h>
  #include <iostream>
  #include <ctime>
  int main()
  {
      time_t start,end1;
      time( &start );
      int a = 0;
      double omp_start = omp_get_wtime( );
      #pragma omp parallel for num_threads(12)
      for (int i = 0; i < 1000; ++i)
      {
          for (int j = 0; j < 1000000000; j++);
      }
      time( &end1 );
      double omp_end = omp_get_wtime( );
      std::cout<<std::endl;
      std::cout<<"Time_used " <<((end1 - start))<<"s"<<std::endl;
      std::cout<<"omp_time: "<<((omp_end - omp_start))<<std::endl;
      return 0;
  }
  

• 線程數量 = 4 或者，上面的是線程數量 = 4，下面的是線程數量 = 4，下面的是線程數量 = 12，能夠看出來程序運行的時間是有一些差距的，如果繼續提升數據運算量，openMP的實驗效果會更加明顯。
• 

4、簡單測試--降低數據量，限制線程數量

• 代碼

• #include <omp.h>
  #include <time.h>
  #include <iostream>
  #include <ctime>
  int main()
  {
      time_t start,end1;
      time( &start );
      int a = 0;
      double omp_start = omp_get_wtime( );
      #pragma omp parallel for
      for (int i = 0; i < 1000; ++i)
      {
          for (int j = 0; j < 10000; j++);
      }
      time( &end1 );
      double omp_end = omp_get_wtime( );
      std::cout<<std::endl;
      std::cout<<"Time_used " <<((end1 - start))<<"s"<<std::endl;
      std::cout<<"omp_time: "<<((omp_end - omp_start))<<std::endl;
      return 0;
  }
  

• 當數據量很小的時候，使用或者不使用openMP對於程序的運行時間相差無幾
• 

（四）、openMP學習參考

• 通過 GCC 學習 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/

基於GCC的openMP學習與測試