并行编程实践：pthread、OpenMP与CUDA向量加法优化

本篇实验报告是关于并行编程原理与实践的一次实践作业，针对ACM1501专业的学生朱锦辉，学号U201514582，在指导教师金海的指导下进行。实验的主要目的是让学生熟悉Linux下的并行编程环境，包括pthread、OpenMP和OpenMPI等工具的使用。 实验内容分为三个部分： 1. **使用pthread做向量加法**： - 通过定义全局变量vector_a[], vector_b[], 和 vector_result[]来存储向量数据。 - 线程函数plus_pthread负责执行vector_result[i]=vector_a[i]+vector_b[i]的操作，采用的是简单任务划分，即每个线程处理循环中的一个元素，利用线程并发性提升计算效率。 2. **使用OpenMP做向量加法**： - 在OpenMP环境下，通过特殊的编译引导语句，将for循环分解为多个并行子任务，自动管理线程调度，简化编程工作。 - 要求学生修改源代码以适应OpenMP的并行处理模型。 3. **使用OpenMPI做向量加法**： - 利用MPI_Scatter函数进行进程间的通信，将向量加法视为一对多通信问题，发送者进程将向量分割后发送给接收者，每个进程根据自身分配的任务进行计算。 - 在mpirun时，需要指定-np参数等于向量长度n，确保所有进程协同工作。 4. **使用CUDA做向量加法**： - 进一步深入硬件并行，CUDA利用GPU的并行计算能力，通过CUDA库的Kernel函数实现向量加法。 - 定义了host端的四个向量变量，并配置了线程块（block）和网格（grid）结构，每个线程负责一次向量加法，以最大化并行度。 通过这次实验，学生能够理解并实际操作不同并行编程工具，掌握如何在多线程和分布式计算环境中提高代码的性能，同时了解并行编程中的任务划分、数据通信和硬件加速等核心概念。