文章目录

实验环境实验记录第一步：单次计算$\pi$值第二步：多次计算$\pi$值数据处理及分析 关于rand和rand_s函数的两个小实验

实验环境

Windows10Ubuntu 18.04VisualCode

实验记录

第一步：单次计算$\pi$值

算法如下：

#include<stdio.h> #include<sys/types.h> #include<unistd.h> #include<stdlib.h> #include<time.h> int intervals=1000; //控制随机点的个数 int main() { clock_t start,delta; //用于统计程序运行时间 start=clock(); unsigned seed=time(NULL); int circle_points=0; int i; double pi; for(i=0;i<intervals*intervals;i++) { double rand_x=(double)rand_r(&seed)/RAND_MAX; double rand_y=(double)rand_r(&seed)/RAND_MAX; if((rand_x*rand_x+rand_y*rand_y)<=1) { circle_points++; } } pi=(4.0*circle_points)/i; printf("Cirlce points:%d, total_points:%d, the estimated PI is %lf\n",circle_points, i, pi); delta=clock()-start; printf("The time taken: %lf seconds\n",(double)delta/CLOCKS_PER_SEC); return 0; }

可以看出来，这个算法较为简单，直接暴力求解了$\pi$的值。关于生成随机数的函数为什么不用rand，而用rand_r，等到后面会做一个小实验来解释。 编译运行，求解的时间为：

第二步：多次计算$\pi$值

代码如下：

#include<stdio.h> #include<sys/types.h> #include<unistd.h> #include<stdlib.h> #include<time.h> void calculate_pi(int intervals) { int circle_points=0; int i; double pi; unsigned seed=time(NULL); for(i=0;i<intervals*intervals;i++) { double rand_x=(double)rand_r(&seed)/RAND_MAX; double rand_y=(double)rand_r(&seed)/RAND_MAX; if((rand_x*rand_x+rand_y*rand_y)<=1) { circle_points++; } } pi= (4.0*circle_points)/i; printf("Cirlce points:%d, total_points:%d, the estimated PI is %lf\n",circle_points, i, pi); } int main() { clock_t start,delta; double time_used; start=clock(); for(int i=0; i<10;i++) { calculate_pi(1000*(i+1)); } delta=clock()-start; printf("The time taken: %lf seconds\n",(double)delta/CLOCKS_PER_SEC); return 0;

在1个CPU、三个计算核的资源下，结果如下： 在1个CPU、1个计算核的资源下：

##第三步：利用多线程多次计算$\pi$值 代码如下：

#include<stdio.h> #include<sys/types.h> #include<unistd.h> #include<stdlib.h> #include<time.h> #include<pthread.h> void* calculate_pi(void* arg) { int circle_points=0; int i; double pi; int intervals=*((int*)arg); //线程函数参数用于控制循环次数 unsigned seed=time(NULL); for(i=0;i<intervals*intervals;i++) { double rand_x=(double)rand_r(&seed)/RAND_MAX; // rand()函数不适用于并行计算 double rand_y=(double)rand_r(&seed)/RAND_MAX; if((rand_x*rand_x+rand_y*rand_y)<=1) { circle_points++; } } pi= (4.0*circle_points)/ i; printf("Cirlce points:%d, total_points:%d, the estimated PI is %lf\n",circle_points, i, pi); pthread_exit(0); } int main() { clock_t start,delta; double time_used; start=clock(); pthread_t calculate_pi_threads[10]; //用于存放10个线程函数的id int args[10]; //用于存放10个线程函数的参数 for(int i=0; i<10;i++) { args[i]=1000*(i+1); pthread_create(calculate_pi_threads+i, NULL, calculate_pi, args+i); } for(int i=0;i<10;i++) { pthread_join(calculate_pi_threads[i],NULL); } delta=clock()-start; printf("The time taken: %lf seconds\n",(double)delta/CLOCKS_PER_SEC); return 0; }

其中函数pthread_exit为线程退出的显示函数，执行该条语句线程会退出。 此时由于运行速度和CPU的计算核心有关，所以需要设置CPU有关参数。以下数据为1个CPU，三个计算核的情况下得出。 注意到，在数据中运行的实时时间是大于用户态+内核态的运行时间的，这是因为实时时间是一个线程的完成时间，而user则是主线程完成的时间，这实际上也反映了在CPU有多个计算核的情况下的线程是并行处理的。 以下数据为1个CPU，1个计算核下得到的数据

数据处理及分析

实验名称realusersys单次计算0.0230.0230多次串行计算（1个CPU，3个核心）6.6796.6650.012多次并行计算（1个CPU，3个核心）3.9259.2460.202多次串行计算（1个CPU，1个核心）6.8506.4310.000多次并行计算（1个CPU，1个核心）6.8016.4220.004

从以上数据可以得到以下结论：

在多个核心情况下，利用多线程可以有效加速计算进度，但同时花销在线程调度的资源也会上升在只有一个核心的情况下，多线程和串行计算并没有什么区别，因为多线程这里变成了实际上的串行计算

关于rand和rand_s函数的两个小实验

在给出的源代码中，可以发现这个注释 double rand_x=(double)rand_r(&seed)/RAND_MAX; // rand()函数不适用于并行计算 但是经过实验发现这个结论并不是绝对的，而是要根据环境而定义，在Windows环境下确实是这样的，而在Linux环境下是可以的。换句话说，rand函数在Windows下是非线程安全的，而在Linux环境下是线程安全的。实验结果如下：

Windows Linux：

我猜测在Windows下不安全的原因是在于rand()函数的随机种子保存在PCB块中，由所有进程共享，而每个线程中的rand函数计数器变量则是由线程独享，而且都被初始化为相同值。这就导致了生成的随机数相同。而Linux下则没有这个缺陷，但是为了兼容性，还是建议在多线程编程时使用rand_r这个函数。