[并行与分布式程序设计] #parama omp parallel for num_threads(4) reduction(+:sum) private(factor)

• #parama omp parallel 是并行化区域开始的部分
• #parama omp for 后面只能接for循环, 用来自动并行化for循环
  • 不检查依赖性. 当存在依赖条件时不会报错, 但可能造成结果错误
  • 只支持for循环, 且不能有break
• #parama omp parallel reduction(+:sum) 归约操作, 将相同的归约操作符重复的应用到操作序列上, 自动解决数据依赖的问题
  • 并非所有的数据依赖都可以解决, 下面例子中的factor变量就需要手动解决数据依赖
  • 支持归约运算的操作符及处值
    • + 0; - 0; * 0;
    • (位与)& ~0; (位或)| 0; (位异或)^ 0;
    • (逻辑与)& 1; (逻辑或)| 0
• # private(list) / shared(list) 多个变量之间用逗号隔开
  • 括号里的变量必须提前声明
  • 没有显示private或者shared的变量默认是全局变量
  • 私有变量也可以直接在共享区域中声明

  double factor (int n) {
      double sum = 0;
  #pragma omp parallel num_threads(4) reduction(+:sum)
      {
      double factor = 1.0;
  #pragma omp for
      for (int i = 0; i < n; i++) {
          factor = (i % 2 == 0)?1:-1;
          sum += factor/(2 * i + 1);
      }
  }
      return sum*4;
  }
  

• 并行区域更改factor 并不会影响外部的全局变量. 相当于是在并行区域又创建了一个同名变量

  double factor (int n) {
      double sum = 0.0;
      double factor;
  #pragma omp parallel for num_threads(4) reduction(+:sum) private(factor)
      for (int i = 0; i < n; i++) {
          factor = (i % 2 == 0)?1:-1;
          sum += factor/(2 * i + 1);
      }
      return sum*4;
  }
  

  
  	double factor (int n) {
      double sum = 0.0;
      double factor;
  #pragma omp parallel for num_threads(4) reduction(+:sum) private(factor)
      for (int i = 0; i < n; i++) {
          if (i == 10) {
              printf("%f\n", factor);
              cout<<omp_get_thread_num()<<endl;
              cout<<omp_get_num_threads()<<endl;
          }
          factor += 1;
          sum += factor/(2 * i + 1);
      }
      cout<<factor<<endl;
      return sum*4;
  }