并行计算-实验三-简单的MPI并行程序及性能分析

深圳大学实验报告课程名称：并行计算实验名称：简单的MPI并行程序及性能分析姓名：学号：班级：实验日期：2011年11月18日、12月2日一.实验目的1)用MPI实现简单的求π的程序2)对MPI并行程序进行简单的性能二.实验环境1)硬件环境：32核CPU、32G内存计算机；2)软件环境：Linux、Win2003、GCC、MPICH、VS2008；4)Windows登录方式：通过远程桌面连接192.168.150.197，用户名和初始密码都是自己的学号，在通过wmpiexec.exe运行MPI程序前，先需运行wmpiregister.exe注册自己的账号（即自己的学号）。三.实验内容1.用MPI实现求π的并行程序，写出代码。提示：π≈102)5.0(114ninin，计算执行时间用MPI_Wtime()函数。串行程序如下：#includestdio.h#includetime.hvoidmain(){clock_tt=0;inti,num_steps;scanf(%d,&num_steps);doublex,pi,sum=0,step=1.0/num_steps;t-=clock();for(i=0;inum_steps;i++){x=(i+0.5)*step;sum+=4.0/(1.0+x*x);}pi=step*sum;t+=clock();printf(PIis%f\nexecutiontimeis%f\n,pi,t/1000.0);}答：在windows下使用MicrosofeVisualStudio编程，根据串行程序更改的并行程序，源代码如下：#includempi.h#includestdio.h#includetime.hvoidmain(intargc,char**argv){inti,rank,size,n=1000000000;doublex,pi,sum=0,step=1.0/n;clock_tt=0;MPI_Init(&argc,&argv);MPI_Comm_rank(MPI_COMM_WORLD,&rank);MPI_Comm_size(MPI_COMM_WORLD,&size);t-=clock();for(i=rank;in;i=i+size){x=(i+0.5)*step;sum+=4/(1+x*x);}MPI_Reduce(&sum,&pi,1,MPI_DOUBLE,MPI_SUM,0,MPI_COMM_WORLD);if(rank==0){pi=step*pi;t+=clock();printf(PIis%.10f,runtimeis%10f\n,pi,t/1000.0);}MPI_Finalize();}2.分析上述程序的执行时间、加速比和效率：num_steps固定为109，节点数分别取1、2、4、8、16和32时，为减少误差，每项实验进行5次，取平均值作为实验结果。答：串行执行时程序的执行时间为：T=7.391s加速比=顺序执行时间/并行执行时间效率=加速比/节点数表1不同节点数下程序的执行时间（秒）节点数实验结果12481632第1次7.393.7031.8440.9220.4530.469第2次7.4063.6871.8440.9220.4530.469第3次7.393.6871.8440.9370.4690.485第4次7.393.7031.8440.9220.4680.469第5次7.393.7031.8440.9220.4530.469平均值7.39323.69661.8440.9250.45920.4722图1不同节点数下程序的执行时间图2不同节点数下程序的加速比图3不同节点数下程序的效率在问题规模不变的情况下，更改节点数后进行以下分析：执行时间的分析：随着节点数的增加，程序的执行时间减少，大概可以从结果中得出，随着节点书的增加一倍，执行时间减少一半，但是当节点数太多的时候，接近处理器个数，执行时间不会减少，因为需要等待所有处理器的完成，而所有的处理器不一定当前都空闲，所以需要等待时间。加速比的分析：随着节点数的增加，程序的加速比增加，大概可以从结果中得出，随着节点书的增加一倍，加速相应的增加接近一倍。效率的分析：随着节点数的增加，不算增加到接近处理器个数，程序的效率没有明显变化，因为不同节点的计算都是独立的，最后只是通过消息的方式进行传递数值，代价较小，所以效率变化小。3.分析上述程序的问题规模与效率的关系：固定节点数为4，让num_steps从105到1010之间变化。（为了减少时间，每项实验可只执行1次）答：由于在并行执行时，问题规模为105和106的运行时间太接近于0，这样根本测不出来，故以下分析只分析107到1010。图4不同问题规模下程序的效率问题规模与效率的关系分析：从图中可以看出，随着问题规模的增加，效率逐渐增加，因为每个处理器的工作时间逐渐增加，用于通信的时间不变，所以效率会有所增加。