Lab5

bogdanov_dmitry_lab_5/MatrixMult/main.py

@@ -0,0 +1,88 @@
+import random as rnd
+import threading
+import time
+from multiprocessing import Pool
+
+def generateSquareMatrix(size):
+    return [[rnd.randint(0, 100) for i in range(size)] for j in range(size)]
+
+def printMatrix(matrix):
+    for row in matrix:
+        print(*row, sep="\t")
+
+
+# Перемножение без использования потоков
+def matrixMultiplyStandard(matrix1, matrix2):
+    l1 = len(matrix1)
+    l2 = len(matrix2)
+    global result_matrix
+    result = result_matrix
+    for i in range(l1):
+        for j in range(l2):
+            for k in range(l2):
+                result[i][j] += matrix1[i][k] * matrix2[k][j]
+
+    return result
+
+result_matrix = [[0 for i in range(500)] for j in range(500)]
+
+# Перемножение в отдельном потоке
+def matrixMultiplySingleThread(args):
+    matrix1, matrix2, start_i, end_i = args
+    global result_matrix
+
+    result = result_matrix
+
+    for i in range(start_i, end_i):
+        for j in range(len(matrix2[0])):
+            for k in range(len(matrix2)):
+                result[i][j] += matrix1[i - start_i][k] * matrix2[k][j]
+
+# Параллельное перемножение, использует ф-ю выше для каждого потока
+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)
+
+
+if __name__ == "__main__":
+
+    sizes = [100, 300, 500]
+    num_threads = [1, 5, 8, 12]
+
+    for size in sizes:
+        matrix1 = generateSquareMatrix(size)
+        matrix2 = generateSquareMatrix(size)
+        start_time = time.time()
+        matrixMultiplyStandard(matrix1, matrix2)
+        end_time = time.time()
+        print(f"Standard size {size}: {end_time - start_time}s")
+
+        for threads in num_threads:
+            start_time = time.time()
+            matrixMultiplyWithThreads(matrix1, matrix2, threads)
+            end_time = time.time()
+            print(f"Parallel size {size}, {threads} thread(s): {end_time - start_time}s")
+
+        print("-" * 100)

bogdanov_dmitry_lab_5/README.md

@@ -0,0 +1,18 @@
+# Богданов Дмитрий ПИбд-42
+# Лабораторная работа №5
+
+
+## Функционал:
+ - Были созданы методы генерации и отображения матриц заданного размера
+ - Былы созданы методы для параллельного умножения матриц с использованием Pool
+ - Был написан код для бенчмаркинга стандартного и параллельного перемножений
+
+## Результаты выполнения:
+
+![изображение 1](./images/Screenshot_1.png)
+
+### Вывод:
+Использование нескольких потоков приносит значительный выигрыш только на крупных матрицах, в то время как на матрицах меньшего размера больше времени уходит на менеджмент потоков. Это особенно заметно при сравнении результатов выполнения вычислений на матрице размером 100х100.
+
+
+## [Видео](https://drive.google.com/file/d/1iPfLjzLiWwmszPH_KJ40vFCX-iWDLm1S/view?usp=sharing)