distributed-computing/tasks/savitskiy-al/lab_5/README.md

60 lines
2.2 KiB
Markdown
Raw Normal View History

2023-12-15 21:02:23 +04:00
# Отчет по лабораторной работе №5
Выполнил студент гр. ИСЭбд-41 Савицкий А.В.
## Создание приложения
Выбрал язык C#, Консольное приложение.
Проверяю правильность работы алгоритма
```cs
public int[,] MultiplicationMatrix(int[,] matrix1, int[,] matrix2, int threadCount)
{
var result = new int[matrix1.GetLength(0), matrix1.GetLength(1)];
for(int i = 0; i < result.GetLength(0); i++)
{
for (int j = 0; j < result.GetLength(1); j++)
{
result[i, j] = 0;
}
}
for (int i = 0; i < matrix1.GetLength(0); i++)
{
Parallel.For(0, matrix2.GetLength(1), new ParallelOptions() { MaxDegreeOfParallelism = threadCount },
(j) =>
{
for (int k = 0; k < matrix2.GetLength(0); k++)
{
var value = matrix1[i, k] * matrix2[k, j];
Interlocked.Add(ref result[i, j], value);
}
});
}
return result;
}
```
![](pic/1.png)
Установил библиотеку BenchmarkDotNet для замера производительности алгоритма.
## Бенчмарки
Делаю 6 пробных запусков
Матрицы 100х100, 300х300, 500х500
Количество потоков 1,12
![](pic/2.png)
Нас интересуют преимущественно две колонки - Mean и Allocated.
Mean показывает среднее время выполнения бенчмарка
Allocated показывает количество выделенной памяти
Для матриц 100х100 однопоточный алгоритм отработал быстрее чем многопоточный, однако для более больших матриц время выполнения серьезно уменшилось.
Вывод: Параллельный алгоритм работает быстрее чем однопоточный, если мы обрабатываем большие данные. Также многопоточное выполнение занимает больше памяти.