10 - Introdução a paralelismo¶

OpenMP é uma tecnologia de computação multi-core usada para paralelizar programas. Sua principal vantagem é oferecer uma transição suave entre código sequencial e código paralelo.

Fizemos em sala de aula uma série de programas básicos no OpenMP e agora é a hora de praticar.

Cálculo do PI por meio de uma série infinita de Leibniz¶

Você sabia que é possível calcular o valor do PI por meio de uma série infinita de Leibniz? Veja abaixo:

$1 - \frac{1}{3} + \frac{1}{5} - \frac{1}{7} + \frac{1}{9} - \dots = \frac{\pi}{4}$

$\sum_{0}^{\infty} = \frac{(-1)^n}{2n + 1} = \frac{\pi}{4}$

Essa série converge muito lentamente, o que é bom para nós.

Sua tarefa¶

Implemente a versão serial do cálculo do PI a partir da série infinita de Leibniz. Faça n = 1000000000.

Após implementar a versão serial e calcular o tempo de sua execução, implemente a versão em openmp. Você deve fazer sua implementação de duas formas:

a) A primeira implementação você deve trabalhar com 2 threads e a partir do id da thread, você deve dividir a soma em duas partes, cada thread executando a sua porção.

b) A segunda implementação você deve trabalhar com for do openmp e tratar como uma redução do valor de PI. Calcule o tempo de execução.

O speedup é uma métrica que representa a razão entre o tempo de execução de um programa sequencial e o tempo de execução de sua versão paralela. Por isso, trata-se de uma boa medida para avaliarmos quantitativamente a melhoria trazida pela versão paralela de um programa paralelo em relação à sua versão sequencial. Calcule também o speed up de cada uma das soluções.

Tasks (tarefas) em OpenMP¶

Vamos agora criar tarefas que podem ser executadas em paralelo.

Definição

Uma tarefa é um bloco de código que é rodado de maneira paralela usando OpenMP. Tarefas são agendadas para cada uma das threads criadas em um região paralela. Não existe uma associação 1-1 entre threads e tarefas. Posso ter mais tarefas que threads e mais threads que tarefas.

Veja abaixo um exemplo de criação de tarefas.

#pragma omp parallel
{
    #pragma omp task
    {
        std::cout << "Estou rodando na tarefa " << omp_get_thread_num() << "\n";
    }
}
std::cout << "eu só rodo quanto TODAS tarefas acabarem.\n";

Question

O exemplo acima cria quantas tarefas, supondo que OMP_NUM_THREADS=4?

1
4, uma para cada thread
Nenhuma das anteriores

Details

Como cada thread roda o código da região paralela, cada uma cria exatamente um tarefa.

Para controlar a criação de tarefas em geral usamos a diretiva master, que executa somente na thread de índice 0. Assim conseguimos criar código legível e que deixa bem claro quantas e quais tarefas são criadas.

#pragma omp parallel
{
    #pragma omp master
    {
        std::cout << "só roda uma vez na thread:" << omp_get_thread_num() << "\n";
        #pragma omp task
        {
            std::cout << "Estou rodando na thread:" << omp_get_thread_num() << "\n";
        }
    }
}

Somente lendo o código acima, responda as questões abaixo.

Question

Quantas tarefas são criadas no exemplo acima?

1
N, uma para cada thread
Nenhuma das anteriores

Question

A(s) tarefa(s) criada(s) roda(m) em qual thread?

0
1
Impossível dizer. Em cada execução rodará em uma thread diferente.

Example

Complete exercicio1.cpp criando duas tarefas. A primeira deverá rodar funcao1 e a segunda funcao2. Salve seus resultados nas variáveis indicadas no código.

Question

Leia o código e responda. Quanto tempo o código sequencial demora? E o paralelo? Verifique que sua implementação está de acordo com suas expectativas.

Details

Sequencial demora a soma dos tempos das duas funções. Paralelo demora o tempo da maior delas.