OpenMP 入门( 二 ) _生活百科

openmp 的执行流图的话就很清晰易懂了。
积分例子现在我们使用一个简单的函数积分的例子去具体了解 openmp 在具体的使用场景下的并行。比如我们求函数\(x^2\) 的积分。

文章插图
\[\int_0^{x} x^2 = \frac{1}{3}x^3dx + C\]比如我们现在需要 x = 10 时， \(x^2\) 的积分结果。我们在程序里面使用微元法去计算函数的微分结果，而不是直接使用公式进行计算，微元法对应的计算方式如下所示：
\[\int_0^{10} x^2\mathrm{d}x =\sum_{ i= 0}^{1000000}(i * 0.00001) ^2 * 0.00001\]微元法的本质就是将曲线下方的面积分割成一个一个的非常小的长方形，然后将所有的长方形的面积累加起来，这样得到最终的结果。

文章插图
如果你不懂上面所谈到的求解方法也没关系，只需要知道我们需要使用 openmp 去计算一个计算量比较大的任务即可。根据上面微元法的公式我们有一个非常大的求和公式，如果是在单线程的情况下我们使用一个循环就可以了，但是现在我们有多个线程，那么我们可以让每个线程求某一个区间的和，最后将各个区间的和加起来得到最终的结果，这就是在并发场景下的实现思路。
openmp 具体的实现代码如下所示：

#include <stdio.h>#include <omp.h>#include <math.h>/// @brief 计算 x^2 一部分的面积/// @param start 线程开始计算的位置/// @param end线程结束计算的位置/// @param delta 长方形的边长/// @return 计算出来的面积double x_square_partial_integral(double start, double end, double delta) {double s = 0;for(double i = start; i < end; i += delta) {s += pow(i, 2) * delta;}return s;}int main() {int s = 0;int e = 10;double sum = 0;#pragma omp parallel num_threads(32) reduction(+:sum){// 根据线程号进行计算区间的分配// omp_get_thread_num() 返回的线程 id 从 0 开始计数 ：0, 1, 2, 3, 4, ..., 31double start = (double)(e - s) / 32 * omp_get_thread_num();double end= (double)(e - s) / 32 * (omp_get_thread_num() + 1);sum = x_square_partial_integral(start, end, 0.0000001);}printf("sum = %lf\n", sum);return 0;}

在上面的代码当中 #pragma omp parallel num_threads(4) 表示启动 4 个线程执行 {} 中的代码，reduction(+:sum) 表示需要对 sum 这个变量进行一个规约操作，当 openmp 中的线程遇到 reduction 子句的时候首先会拷贝一份 sum 作为本地变量，然后在并行域当中使用的就是每一个线程的本地变量，因为有 reduction 的规约操作，因此在每个线程计算完成之后还需要将每个线程本地计算出来的值对操作符 + 进行规约操作，也就是将每个线程计算得到的结果求和，最终将得到的结果赋值给我们在 main 函数当中定义的变量 sum。最终我们打印的变量 sum 就是各个线程求和之后的结果。上面的代码执行过程大致如下图所示：

文章插图
注意事项：你在编译上述程序的时候需要加上编译选项 -fopenmp 启动openmp 编译选项和 -lm 链接数学库。
上面程序的执行结果如下所示：

文章插图
总结在本篇文章当中主要给大家介绍了 OpenMP 的基本使用和程序执行的基本原理，在后续的文章当中我们将仔细介绍各种 OpenMP 的子句和指令的使用方法，希望大家有所收获！
更多精彩内容合集可访问项目：https://github.com/Chang-LeHung/CSCore
关注公众号：一无是处的研究僧，了解更多计算机（Java、Python、计算机系统基础、算法与数据结构）知识。
【OpenMP 入门】