Merge pull request 'balakhonov_danila_lab_5' (#375) from balakhonov_danila_lab_5 into main

Reviewed-on: #375

balakhonov_danila_lab_5/README.md

@@ -0,0 +1,37 @@
+# Лабораторная работа номер 5
+
+> Здравствуйте меня зовут Балахонов Данила группа ПИбд-42
+> 
+> *— Балахонов Данила ПИбд-42*
+
+Видео лабораторной работы номер 5 доступно по этой [ссылке](https://drive.google.com/file/d/1gs_6PZ8SYj_p3IMrXD9AfiAWmiLt9T-g/view?usp=sharing).
+
+## Как запустить лабораторную работу номер 5?
+### Необходимые компоненты для запуска лабораторной работы номер 5
+> Здесь рассказана установка необходимых компонентов для запуска лабораторной работы номер 5 под дистрибутив GNU/Linux **Ubuntu**.
+
+Для запуска лабораторной работы номер 5 необходимы такие компоненты: 
+ - Python 3
+
+Чтобы установить Python 3, введите такую команду:
+``` bash
+sudo apt update
+sudo apt install python3
+```
+После этого будет установлена последняя версия Python.
+### Запуск лабораторной работы номер 5
+Для запуска лабораторной работы номер 5 необходимо **склонировать** репозиторий в любую папку и **перейти на ветку** balakhonov_danila_lab_5.
+Далее в папке с `program.py` нужно вызвать такую команду:
+``` bash
+python3 program.py
+```
+Таким образом будет запущена программа по перемножению матриц.
+## Какие технологии были использованы?
+Для выполнения лабораторной работы номер 5 были использованы такие технологии, как:
+ - Python
+## Что делает лабораторная работа номер 5?
+Суть лабораторной работы номер 5 заключается в разработке приложения по параллельному перемножению двух квадратных матриц большого размера.
+## Выводы лабораторной работы номер 5
+Пример выполнения программы на матрицах 100x100, 300x300, 500x500 можно увидеть на рисунке ниже.
+![Результат выполнения программы](result.png)
+Здесь прослеживается обратная зависимость между количеством потоков и временем выполнения. Чем больше потоков используется, тем меньше будет время подсчета результата.

balakhonov_danila_lab_5/program.py

@@ -0,0 +1,86 @@
+import random as rnd
+import threading
+import time
+from multiprocessing import Pool
+
+MAX_SIZE = 500
+
+
+def generateSquareMatrix(size):
+    return [[rnd.randint(0, 100) for _ in range(size)] for _ in range(size)]
+
+# Функция для перемножения матриц
+def matrixMultiply(matrix1, matrix2, start_i=0, end_i=None):
+    l1 = len(matrix1)
+    l2 = len(matrix2)
+    global result_matrix
+    result = result_matrix
+    end_i = end_i if end_i is not None else l1
+
+    for i in range(start_i, end_i):
+        for j in range(len(matrix2[0])):
+            for k in range(l2):
+                result[i][j] += matrix1[i - start_i][k] * matrix2[k][j]
+
+    return result
+
+# Перемножение без использования потоков
+def matrixMultiplyStandard(matrix1, matrix2):
+    return matrixMultiply(matrix1, matrix2)
+
+# Перемножение в отдельном потоке
+def matrixMultiplySingleThread(args):
+    matrix1, matrix2, start_i, end_i = args
+    matrixMultiply(matrix1, matrix2, start_i, end_i)
+# Параллельное перемножение
+def matrixMultiplyWithThreads(matrix1, matrix2, thread_count):
+    l1 = len(matrix1)
+    l2 = len(matrix2)
+
+    # Кол-во строк на последний поток, если деление по потокам будет неточным
+    last_rows_count = 0
+
+    if l1 % thread_count == 0:
+        rows_per_thread = l1 // thread_count
+    else:
+        rows_per_thread = l1 // thread_count
+        last_rows_count = l1 % thread_count
+
+    for i in range(thread_count):
+        start_i = i * rows_per_thread
+
+        if (i - 1) == thread_count and last_rows_count > 0:
+            end_i = start_i + last_rows_count
+        else:
+            end_i = start_i + rows_per_thread
+
+    args = []
+    args.append((matrix1[start_i:end_i], matrix2, start_i, end_i))
+    with Pool(processes = thread_count) as pool:
+        pool.map(matrixMultiplySingleThread, args)
+
+result_matrix = [[0 for _ in range(MAX_SIZE)] for _ in range(MAX_SIZE)]
+
+
+if __name__ == "__main__":
+
+    sizes = [100, 300, 500]
+    num_threads = [1, 5, 8]
+
+    for size in sizes:
+        matrix1 = generateSquareMatrix(size)
+        matrix2 = generateSquareMatrix(size)
+
+        # Обычное перемножение
+        start_time = time.time()
+        matrixMultiplyStandard(matrix1, matrix2)
+        end_time = time.time()
+        print(f"Обычное перемножение.\t\tРазмер: {size}\t\t|\t {end_time - start_time}")
+
+        # Перемножение в потоках
+        for threads in num_threads:
+            start_time = time.time()
+            matrixMultiplyWithThreads(matrix1, matrix2, threads)
+            end_time = time.time()
+            print(f"Параллельное перемножение.\tРазмер: {size}, {threads} потоков\t|\t {end_time - start_time}")
+        print("=" * 100)