OpenMP並行化實例----Mandelbrot集合並行化計算

時間 2019-12-08

原文原文鏈接

在理想狀況下，編譯器使用自動並行化可以管理一切事務，使用OpenMP指令的一個優勢是將並行性和算法分離，閱讀代碼時候無需考慮並行化是如何實現的。固然for循環是能夠並行化處理的自然材料，知足一些約束的for循環能夠方便的使用OpenMP進行傻瓜化的並行。html

爲了使用自動並行化對Mandelbrot集合進行計算，必須對代碼進行內聯：書中首次使用自動並行化時候，經過性能分析發現工做在線程中並未平均分配。算法

#include <stdio.h>
#include <malloc.h>
#define SIZE 4000

int inSet(double ix,double iy)
{
	int iterations = 0;
	double x = ix,y = iy;
	double x2 = x*x, y2 = y*y;

	while ((x2 + y2 < 4) && (iterations < 1000))
	{
		y = 2*x*y + iy;
		x = x2 -y2 +ix;
		x2 = x*x;
		y2 = y*y;
		iterations++;
	}

	return iterations;
}

int main()
{
	int *matrix[SIZE];
	for (int i = 0; i < SIZE; i++)
	{
		matrix[i] = (int* )malloc( SIZE*sizeof(int) );
	}

#pragma omp parallel for
	for (int x = 0 ;x <SIZE; x++)
	{
		for (int y =0;y <SIZE;y++)
		{
			double xv = ((double)x -(SIZE/2)) / (SIZE/4);
			double yv = ((double)y -(SIZE/2)) / (SIZE/4);
			matrix[x][y] = inSet(xv,yv);
		}
	}

	for (int x =0; x<SIZE;x++)
	{
		for (int y =0;y<SIZE;y++)
		{
			if (matrix[x][y] == -7)
			{
				printf(" ");
			}
		}
	}

	return 0;
}

當咱們看到分形圖的時候應該能夠很快的理解負荷不均衡從那裏產生，分形圖中大部分點不在集合中，這部分點只須要少許的迭代就能夠肯定，但有些在集合中的點則須要大量的迭代。編程

固然我再一次見識到了OpenMP傻瓜化的並行操做機制，糾正工做負荷不均衡只要更改並行代碼調度子句就能夠了，使用動態指導調度，下面代碼是增長了OpenCV的顯示部分：ide

#include "Fractal.h"
#include <Windows.h>
#include <omp.h>

int Fractal::Iteration(Complex a, Complex c)
{
	double maxModulus = 4.0;
	int maxIter = 256;
	int iter = 0;
	
	Complex temp(0,0) ;

	while ( iter < maxIter && a.modulus() < maxModulus)
	{
		a = a * a ;
		a += c;
		iter++;
	}
	return iter;
}

cv::Mat Fractal::generateFractalImage(Border border, CvScalar colortab[256] )
{
	cv::Size size(500,500);

	double xScale = (border.xMax - border.xMin) / size.width;
	double yScale = (border.yMax - border.yMin) / size.height;

	cv::Mat img(size, CV_8UC3);

#pragma omp parallel for schedule(dynamic)
	for (int y=0; y<size.height; y++)
	{
		for (int x=0; x<size.width; x++)
		{
			double cx = border.xMin + x * xScale;
			double cy = border.yMin + y * yScale;

			Complex a(0.0, 0.0);
			Complex c(cx, cy);
			int nIter ;

			if (type == MANDELBROT)
			{
				nIter = Iteration(a, c);
			}
			else if (type == JUALIA)
			{
				nIter = Iteration(c, offset);
			}

			int colorIndex =  (nIter) % 255;

			cv::Vec3b color;
			color.val[0] = colortab[colorIndex].val[0];
			color.val[1] = colortab[colorIndex].val[1];
			color.val[2] = colortab[colorIndex].val[2];
			img.at<cv::Vec3b>(y,x) = color;
		}
	}

	return img;
}

#pragma omp parallel for schedule(dynamic) 子句性能

schedule子句：ui

　　schedule(type[, size])，spa

　　參數type是指調度的類型，能夠取值爲static，dynamic，guided，runtime四種值。其中runtime容許在運行時肯定調度類型，所以實際調度策略只有前面三種。.net

　　參數size表示每次調度的迭代數量，必須是整數。該參數是可選的。當type的值是runtime時，不可以使用該參數。線程

動態調度dynamiccode

　　動態調度依賴於運行時的狀態動態肯定線程所執行的迭代，也就是線程執行完已經分配的任務後，會去領取還有的任務。因爲線程啓動和執行完的時間不肯定，因此迭代被分配到哪一個線程是沒法事先知道的。

　　當不使用size 時，是將迭代逐個地分配到各個線程。當使用size 時，逐個分配size個迭代給各個線程。

動態調度迭代的分配是依賴於運行狀態進行動態肯定的，因此哪一個線程上將會運行哪些迭代是沒法像靜態同樣事先預料的。

加速結果：

1.放大加速結果

2.未加速時候的放到功能，基本是3-5倍這個水平，也就是至關於臺式機cpu 的個數？本人的猜想