【OpenMP】Helloworld

对比与Python多线程无法操作多核，Java的多线程只会一味的占用所有核数计算。C/C++在Visual Studio 2005推出OpenMP的支持的，更能够精准地控制用多少核数去运算，而且写法简单，做到真正地多核多线程编程。比起Python、Java多线程无法实质上提升程序速度，C/C++的OpenMP是从CPU核数入手，提升程序速度。众所周知，现在双核、i3、i5、i7都是多个cpu并行的，我们写出来的程序，如果不进行设置，是无法利用到所有cpu，而且仅用单核计算，对于四核cpu的计算机，其余的核就是在闲置，更不要说高性能的计算机了。利用OpenMP能够很高的解决这点。

一、在Visual Studio 2005以上的版本开启OpenMP

以vs2010为例，新建一个C/C++项目之后（其它语言的项目是没有的），在源文件中新建一个cpp文件之后如下图，对项目点击属性，然后在属性页上左侧选择“配置属性”->“C/C++”->“语言”，然后在右侧“OpenMP支持”后选择“是（/openmp）”，如下图所示：

值得注意的是，如果你新建项目之后，没有在源文件添加一个cpp文件，是没有C/C++配置的。

二、OpenMP的Helloworld

这样就可以在你的项目使用OpenMP了。只要在你想要多核计算的地方，补上# pragma omp parallel num_threads(参与计算的CPU核数)，则可以利用OpenMP，榨取相应核数的CPU来进行运算。注意，#与pragma之间是否有空格，关系不大，同时变量声明之前不能用这句，不然不能过编译。如果是在for之前，请写成：# pragma omp parallel for num_threads(参与计算的CPU核数)。比如如下的程序：

#include <omp.h>
#include <iostream>
#include <time.h>
using namespace std;
void hello(int i){		
	if(i==0){
		# pragma omp parallel num_threads(2)
		cout<<"HELLO!";
	}
	else{
		# pragma omp parallel num_threads(4)
		cout<<"hello!";
	}
	cout<<endl<<"finish!"<<endl;

}
int main(){
	hello(0);
	hello(1);
	return 0;
}

运行结果如下：

根据得到的参数不同，hello函数进入不同的循环。# pragma omp parallel num_threads(参与计算的CPU核数)影响的范围也仅仅限于其出现至结构体结束为止，也就是到第一个右大括号}。当参与计算的CPU核数为2与4的时候，分别进行了2次与4次输出。每一个cpu都要完成cout<<"hello"这条语句。然而finish！的输出仅有一个cpu参与，因此每个hello执行仅有一条。

你完全可以用多线程的理念去理解这个东西，但是它不同多线程仅仅是同资源下的分时片操作，OpenMP是真正的cpu参与计算。

这里需要注意，如果你的电脑的CPU仅有2核，那参与计算的CPU核数仅能为1、2，不能超过CPU的核数。

三、OpenMP的意义何在？

上述例子可能有人说根本就没有任何意义，完全可以用一个for循环搞完的事情，非要扯上OpenMP干嘛？

那么下面我们做一个0到2,000,000,000（40亿）的自增运算来说明这个问题，且记录运行时间。

#include <iostream>
#include <time.h>
using namespace std;
int main(){
	clock_t t_start=clock();
	for(int i=0;i<2000000000;i++){
	}
	time_t t_end = clock();
	cout<<"Run time: "<<(double)(t_end - t_start) / CLOCKS_PER_SEC<<"S"<<endl;
	return 0;
}

如果不用OpenMP的话，在我的计算机上，上述的程序运行时间如下：

运行期间的CPU占用率如下：

可以看到四核CPU仅有1个CPU被占用，引用使用率为25%！

如果使用OpenMP，要求参与运算的cpu核数为2的话：

#include <omp.h>
#include <iostream>
#include <time.h>
using namespace std;
int main(){
	clock_t t_start=clock();
	# pragma omp parallel for num_threads(2)
	for(int i=0;i<2000000000;i++){
	}
	time_t t_end = clock();
	cout<<"Run time: "<<(double)(t_end - t_start) / CLOCKS_PER_SEC<<"S"<<endl;
	return 0;
}

运行时间则几乎减了一倍：

运行期间的四核CPU占用率也去到了50%：

那么如果设置用尽四个核的CPU运行呢？

#include <omp.h>
#include <iostream>
#include <time.h>
using namespace std;
int main(){
	clock_t t_start=clock();
	# pragma omp parallel for num_threads(4)
	for(int i=0;i<2000000000;i++){
	}
	time_t t_end = clock();
	cout<<"Run time: "<<(double)(t_end - t_start) / CLOCKS_PER_SEC<<"S"<<endl;
	return 0;
}

答案也自然而言得出来了，运行时间：

CPU占用率：

因此，可以看到，如果你的程序要进行一个大规模的运算，使用OpenMP能够彻底地用尽CPU资源计算，提升你的程序运行速度！