Experimental and Comparative Performance Measurements of High Performance Computing Based on OpenMP and MPI

本次实验记录了串行和并行的函数在数组大小分别为：10，50，100，500，1000，5000，10000，50000，100000，1000000时的运行时间。 结果如下（线程数为2，时间单位为ms）:

此处测试了线程数分别为1（串行），2，3，4，8的计算时间。 其中线程数为1和2的函数已经在上面给出。增加线程数，区别体现在quiksort函数中，将数组分割为更多子数组，并让不同的线程去处理子数组的排序。

测试结果（单位为毫秒，数组元素数为1，000，000）：

（3）对实验结果进行详细分析，将实验结果画成图表。 本次实验利用pyecharts画出了串行与并行程序在不同大小的数组上分别运行的时间。 和在数组大小为10000时，线程数分别为1，2，4，8时程序运行的时间。

串行与并行的openMP实验结果如下图所示。 可以看出，随着数组元素的增加，无论是并行还是串行程序，运行的时间都会增加，尤其当数组元素数量非常多甚至达到百万级时，显然串行程序的运行时间已经超过了一秒，但是并行程序仅用了0.2s，可以看到，当数组元素达到一定的数量级时，并行算法的优势是极大的。 不同线程运行时间结果如下图所示，由此可见，在选用合适线程数的情况下，线程越多，快速排序使用的时间越少。按概念来说，线程数越多，运行的时间应该更少，但是由于自身硬件的束缚，在线程增多到一定的数量时，若线程切换的过于频繁，也会影响程序的运行时间。所以说在运行多线程程序的时候还要考虑自己的cpu核心，来安排合适的线程数。