Merge pull request '[Л/Р 6] Казаков Евгений' (#122) from EugeneKazakov/distributed-computing:kazakov-ev-lab6 into main

Reviewed-on: http://student.git.athene.tech/v.moiseev/distributed-computing/pulls/122

tasks/kazakov-ev/lab_6/README.md

@@ -0,0 +1,30 @@
+# Отчет по лабораторной работе №6
+
+Выполнил студент гр. ИСЭбд-41 Казаков Е.В.
+
+## Создание приложения
+
+Выбрал язык Pythone.
+
+Приложение на вход получает кол-во поток, далее у нас происходит последовательный расчет детерминанта. После чего выводит всё в консоль 
+
+![](1.png)
+
+
+## Бенчмарки
+
+Протестируем обычный и параллельный алгоритм матрицах 100х100, 300х300 и 500х500.
+
+Матрицы 100х100
+
+![](2.png)
+
+Матрицы 300х300
+
+![](3.png)
+
+Матрицы 500х500
+
+![](4.png)
+
+Вывод: Чем больше у нас кол-во данных, тем разница между параллельным и последовательных становится меньше Как видно из скриншотов для матрицы 500x500 параллельный алгоритм завершил быстрее чем, последовательный.

tasks/kazakov-ev/lab_6/algo.py

@@ -0,0 +1,61 @@
+import numpy as np
+import time
+from multiprocessing import Pool
+
+def determinant(matrix):
+    return np.linalg.det(matrix)
+
+def parallel_determinant(matrix, num_threads):
+    size = matrix.shape[0]
+    step = size // num_threads
+    pool = Pool(processes=num_threads)
+    blocks = []
+    for i in range(0, size, step):
+        blocks.append(matrix[i:i+step, i:i+step])
+    dets = pool.map(determinant, blocks)
+    return np.prod(dets)
+
+def benchmark(num_threads):
+    matrix1 = np.random.rand(100, 100)
+    start_time = time.time()
+    det1 = determinant(matrix1)
+    end_time = time.time()
+    execution_time = end_time - start_time
+    print("Матрица 100x100:", matrix1)
+    print("Детерминант матрицы 100x100:", det1)
+    print("Последовательное время выполнения:", execution_time, "сек")
+    start_time = time.time()
+    detp1 = parallel_determinant(matrix1, num_threads)
+    end_time = time.time()
+    execution_time = end_time - start_time
+    print("Пареллельное время выполнения:", execution_time, "сек")
+    matrix2 = np.random.rand(300, 300)
+    start_time = time.time()
+    det2 = determinant(matrix2)
+    end_time = time.time()
+    execution_time = end_time - start_time
+    print("Матрица 300x300:", matrix2)
+    print("Детерминант матрицы 300x300:", det2)
+    print("Последовательное время выполнения:", execution_time, "сек")
+    start_time = time.time()
+    detp2 = parallel_determinant(matrix2, num_threads)
+    end_time = time.time()
+    execution_time = end_time - start_time
+    print("Пареллельное время выполнения:", execution_time, "сек")
+    matrix3 = np.random.rand(500, 500)
+    det3 = determinant(matrix3)
+    end_time = time.time()
+    execution_time = end_time - start_time
+    print("Матрица 500x500:", matrix3)
+    print("Детерминант матрицы 500x500:", det3)
+    print("Последовательное время выполнения:", execution_time, "сек")
+    start_time = time.time()
+    detp3 = parallel_determinant(matrix3, num_threads)
+    end_time = time.time()
+    execution_time = end_time - start_time
+    print("Пареллельное время выполнения:", execution_time, "сек")
+
+if __name__ == "__main__":
+    print("Введите кол-во поток")
+    n = int(input())
+    benchmark(n)