MPI综合实验报告.docx

资源描述

MPI综合实验报告.docx

《MPI综合实验报告.docx》由会员分享，可在线阅读，更多相关《MPI综合实验报告.docx（15页珍藏版）》请在冰点文库上搜索。

MPI综合实验报告.docx

MPI综合实验报告

目前三次MPI实验已经结束，结合之前所写的实验报告，对总体的实验容做一个总结。

参考资料：

MPI简介

多线程是一种便捷的模型，其中每个线程都可以访问其它线程的存储空间。

因此，这种模型只能在共享存储系统之间移植。

一般来讲，并行机不一定在各处理器之间共享存储，当面向非共享存储系统开发并行程序时，程序的各部分之间通过来回传递消息的方式通信。

要使得消息传递方式可移植，就需要采用标准的消息传递库。

这就促成的消息传递接口（MessagePassingInterface,MPI）的面世，MPI是一种被广泛采用的消息传递标准[1]。

与OpenMP并行程序不同，MPI是一种基于消息传递的并行编程技术。

消息传递接口是一种编程接口标准，而不是一种具体的编程语言。

简而言之，MPI标准定义了一组具有可移植性的编程接口。

各个厂商或组织遵循这些标准实现自己的MPI软件包，典型的实现包括开放源代码的MPICH、LAMMPI以及不开放源代码的IntelMPI。

由于MPI提供了统一的编程接口，程序员只需要设计好并行算法，使用相应的MPI库就可以实现基于消息传递的并行计算。

MPI支持多种操作系统，包括大多数的类UNIX和Windows系统。

三次实验总结

第一次实验：

实验要求：

配置好MPI运行的基本环境，测试MPI的基本通信程序。

程序：

#include"stdafx.h"

#include

voidmain（void）

{

MPI_Statusstatus;

char

string[]="xxxxx";

intmyid;

MPI_Init（NULL,NULL）;

MPI_Comm_rank（MPI_COMM_WORLD,&myid）;

if（myid==2）

MPI_Send（"HELLO",5,MPI_CHAR,7,1234,MPI_COMM_WORLD）;

if（myid==7）{

MPI_Recv（string,5,MPI_CHAR,2,MPI_ANY_TAG,MPI_COMM_WORLD,&status）;

printf（"Got

%sfromP%d,tag

%d\n",string,status,status.MPI_SOURCE,status.MPI_TAG）;

}

MPI_Finalize（）;

}

运行环境配置过程：

（这个是在根据网上的环境配置教程做的）

1、安装软件MPICH2，本次操作安装在C:

\ProgramFiles\MPICH2文件夹中。

2、打开安装好的MPICH2目录，打开bin文件夹中的wmpiregister.exe文件，进行注册。

填入本机的用户名和密码。

3、建立一个控制台应用程序空文档，MYMPI，

输入程序

4、添加库和包含文件

打开Tool->Options对话框

选择项目和解决方案下的VC++目录一栏，如下图所示：

分别添加包含文件C:

\ProgramFiles\MPICH2\include

和库文件C:

\ProgramFiles\MPICH2\lib

5、取消预编译头

打开Project->Property,设置框如下图所示

展开C/C++项，选择与编译头，在创建/使用预编译头中选择：

不使用预编译头

6、打开Project->Property,设置框如下图所示

将配置属性中的常规项中的字符集设置成未设置

展开连接器中输入项，在附件依赖项中添加mpi.lib

7、自定义多线程运行

打开MPICH2安装目录显得mpiexec.exe

装入运行产生的.exe文件并选择线程数，运行结果如下图所示

第二次实验

实验要求：

MPI实验第二部分

1.了解计算粒度、问题规模（计算负载）、并行程度概念;

2.测试基于MPI的Pi并行计算程序;

3.完成实验报告（MPI程序代码、运行结果截屏、实验分析总结）

在这次的实验过程中，我们的程序是通过数值方法计算

的值来观察运行时间。

程序：

#include"stdafx.h"

#include

#include"mpi.h"

staticlongnum_steps=100000;

voidmain（intargc,char*argv[]）

{

inti_start,i_end,i,myid,numprocs;

doublepi,mypi,x,step,sum=0.0;

doublestart,end;

MPI_Init（&argc,&argv）;

MPI_Comm_size（MPI_COMM_WORLD,&numprocs）;

MPI_Comm_rank（MPI_COMM_WORLD,&myid）;

if（myid==0）

{

start=MPI_Wtime（）;

}

MPI_Bcast（&num_steps,1,MPI_INT,0,MPI_COMM_WORLD）;

i_start=myid*（num_steps/numprocs）;

i_end=i_start+（num_steps/numprocs）;

step=1.0/（double）num_steps;

for（i=i_start;i

{

x=（i+0.5）*step;

sum=sum+4.0/（1.0+x*x）;

}

mypi=step*sum;

MPI_Reduce（&mypi,&pi,1,MPI_DOUBLE,MPI_SUM,0,MPI_COMM_WORLD）;

if（myid==0）

{

printf（"Pi=%f\n",pi）;

end=MPI_Wtime（）;

printf（"Runtimeis:

%.10f\n",end-start）;

fflush（stdout）;

}

MPI_Finalize（）;

}

实验原理：

利用公式PI的近似值计算圆周率[7]，定积分的计算可以转化为求一个曲边梯形的面积问题。

将积分区间等分成n个小的子区间，可将每个小的子区间上的曲边梯形近似地看成矩形，这些矩形面积的和就近似地等于原来曲边梯形的面积。

这样最终将求圆周率的问题转化成了一个面积迭加的计算。

当进程数为2时，运算时间很小，要比进程数为1时时间要短，说明该情况下，多进程的运行效率要比单进程高。

然后，我使用了几台计算机在同一局域网之下构成了集群计算机系统，采用非共享存方式利用多进程完成任务。

在两台机器构成的集群计算机系统之下，我分别测了多组进程之下并行计算的时间比较，运算结果如下所示：

做表格比较之：

进程数

运行时间

0.0004441905

0.0012051811

0.0011141081

0.0013336891

0.0012272509

结果分析:

因为计算规模较小，集群计算机系统并行多进程计算并不能很明显的表现出计算优势。

反而，经过验证，在较大规模计算量之下，集群计算机系统的计算速度优越性得到明显展现。

第三次实验

实验要求：

1.理解同步（synchronous）计算和同步路障（barrier）

2.测试基于MPI_Barrier（）的并行程序

3.完成实验报告（MPI程序代码、运行结果截屏、实验分析总结）

程序：

#include"stdafx.h"

#include

#include"mpi.h"

intmain（intargc,char**argv）

{

inttaskid,ntasks;

intierr;

MPI_Init（&argc,&argv）;

MPI_Comm_rank（MPI_COMM_WORLD,&taskid）;

MPI_Comm_size（MPI_COMM_WORLD,&ntasks）;

if（taskid==0）{printf（"\n\n\n\n\n\n"）;}