openmp編程
1. 編寫C#程序有必要使用OPENMP嗎
「OpenMP是由OpenMP Architecture Review Board牽頭提出的，並已被廣泛接受的，用於共享內存並行系統的多線程程序設計的一套指導性注釋(Compiler Directive)。OpenMP支持的編程語言包括C語言、C++和Fortran；而支持OpenMP的編譯器包括Sun Compiler，GNU Compiler和Intel Compiler等。」 所以說C#你不需要用這個，因為它不支持C#
2. 在Linux進行C語言編程的時候，程序里使用了mpi或者openmp或者都使用了該怎麼進行編譯執行謝謝
mpi或者openmp
這個，你指的是庫？
如果是的話，編譯時，加上鏈接庫的編譯選項就可以。
比如 gcc -hello.c -o hello -lm -lxml -L/usr/local/lib -lts
-lm 鏈接了math庫
-lxml鏈接了xml庫
-L/usr/local/lib -lts 鏈接了ts庫，ts庫存在目錄/usr/local/lib中
3. 誰知道MPI和openMP的區別和聯系
OpenMP和MPI是並行編程的兩個手段，對比如下：
OpenMP:線程級（並行粒度）；共享存儲；隱式（數據分配方式）；可擴展性差；
MPI：進程級；分布式存儲；顯式；可擴展性好。
OpenMP採用共享存儲，意味著它只適應於SMP,DSM機器，不適合於集群。MPI雖適合於各種機器，但它的編程模型復雜：
需要分析及劃分應用程序問題，並將問題映射到分布式進程集合；
需要解決通信延遲大和負載不平衡兩個主要問題；
調試MPI程序麻煩；
MPI程序可靠性差，一個進程出問題，整個程序將錯誤；
其中第2個問題感受深刻。每次聽我們部門並行組的人做報告，總是聽到他們在攻克通信延遲大和負載不平衡的問題。一種並行演算法的好壞就看它有沒有很好的解決這兩個問題。
與OpenMP，MPI相比，MapRece的優勢何在呢？
自動並行；
容錯；
MapRece學習門檻低。
附：
SMP(Symmetric multi-processing)，共享匯流排與內存，單一操作系統映象。在軟體上是可擴展的，而硬體上不能。
DSM（distributed shared memory），SMP的擴展。物理上分布存儲；單一內存地址空間；非一致內存訪問；單一操作系統映象。
4. 從並行計算的角度對比,MPI 與 OpenMP 有什麼區別
OpenMP和MPI是並行編程的兩個手段，對比如下：
OpenMP:線程級（並行粒度）；共享存儲；隱式（數據分配方式）；可擴展性差。
MPI：進程級；分布式存儲；顯式；可擴展性好。OpenMP採用共享存儲，意味著它只適應於SMP,DSM機器，不適合於集群。MPI雖適合於各種機器，但它的編程模型復雜。
需要分析及劃分應用程序問題，並將問題映射到分布式進程集合。需要解決通信延遲大和負載不平衡兩個主要問題。
延伸論述：
我認為，要理解OpenMP和MPI，首先要有一些操作系統知識和系統編程基礎——OpenMP對應的實際上是單進程多線程的並發編程模型，可以將一個單線程的程序按for循環拆分成多線程——相當於pthread_create。
對於同一個進程的多個線程來說，由於它們只是獨占自己的棧內存，堆內存是共享的，因此數據交換十分地容易，直接通過共享變數就可以進行交換，編程模型非常簡單易用，並且對於操作系統來說，線程的上下文切換成本也比進程低很多。
然而另一方面，由於線程不能脫離進程獨立存在，而一個進程不能存在於多台機器上，所以OpenMP只適用於擁有多個CPU核心的單台電腦。並且多線程編程存在臨界區（Critical Section），需要你自己去加鎖，解決Race Condition問題，否則的話很容易導致不可預知的後果。
而MPI則是多進程的並發編程模型，相當於你自己調用fork——每一個進程的內存地址空間都是獨立的，它們彼此之間幾乎什麼都不共享，只能通過進程間通信（IPC）來交換彼此的數據，因此編程難度明顯要大很多。
MPI有一個非常顯著的優點，那就是對於一個分布式系統來說，進程是可以在分布式系統的每一台電腦之間轉移的，因此對於擁有多台電腦的分布式系統來說，其並發性要明顯好於OpenMP。
5. MPI與Openmp，CUDA這三級混合編程是怎麼個邏輯關系
MPI 負責節點之間的通信
OpenMP負責節點中多核cpu的計算
CUDA負責節點中gpu上的計算
6. 求《OPENMP編譯原理及實現技術》全文免費下載百度網盤資源,謝謝~
《OPENMP編譯原理及實現技術》網路網盤pdf最新全集下載:
鏈接：https://pan..com/s/122Xvd3cLwtzPFlh9XrJLUA
簡介：OpenMP制導指令將C語言擴展為一個並行語言，但OpenMP本身不是一種獨立的並行語言，而是為多處理器上編寫並行程序而設計的、指導共享內存，OpenMP編程模型以線程為基礎，通過編譯制導指令來顯示地指導並行化
7. 怎樣使用 openmap c++
OpenMP 框架是使用 C、C++ 和 Fortran 進行並發編程的一種強大方法。GNU Compiler Collection (GCC) V4.2 支持 OpenMP 2.5 標准，而 GCC 4.4 支持最新的 OpenMP 3 標准。包括 Microsoft® Visual Studio 在內的其他編譯器也支持 OpenMP。在本文中，您可以學習使用 OpenMP 編譯指示 (pragma)，尋找對 OpenMP 提供的一些應用程序編程介面 (API) 的支持，並使用一些並行演算法對 OpenMP 進行測試
8. 用openmp並行編程計算100的階乘
OpenMP:
#include <iostream>
#include <mpi.h>
int main( int argc, char** argv ){
int mynode, numnodes;
int sum, startval, endval, accum;
MPI::Status status;
MPI::Init( argc, argv );
numnodes = MPI::COMM_WORLD.Get_size();
mynode = MPI::COMM_WORLD.Get_rank();
sum = 0;
startval = 1000*mynode/numnodes+1;
endval = 1000*(mynode+1)/numnodes;
for( int i=startval; i<=endval; ++i ){
sum = sum + i;
}
if( mynode != 0 ){
MPI::COMM_WORLD.Send( &sum, 1, MPI::INT, 0, 1 );
}
else{
for( int j=1; j<numnodes; ++j ){
MPI::COMM_WORLD.Recv( &accum, 1, MPI::INT, j, 1,
status );
sum = sum + accum;
}
}
if( mynode == 0 )
std::cout << "The sum from 0 to 1000 is: " << sum
<< std::endl;
MPI::Finalize();
}