https://github.com/everysoftware/hse-dc-lab2

MPI (distributed computations)
https://github.com/everysoftware/hse-dc-lab2

Last synced: 12 months ago
JSON representation

MPI (distributed computations)

• Host: GitHub
• URL: https://github.com/everysoftware/hse-dc-lab2
• Owner: everysoftware
• Created: 2024-12-08T20:57:56.000Z (over 1 year ago)
• Default Branch: master
• Last Pushed: 2024-12-09T01:57:46.000Z (over 1 year ago)
• Last Synced: 2025-02-19T12:52:10.355Z (about 1 year ago)
• Language: C
• Homepage:
• Size: 1.7 MB
• Stars: 0
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

          
# Lab2 - MPI

| Выполнил   | Стасевич Иван Александрович               |

|------------|-------------------------------------------|

| Группа     | 21ПИ-1                                    |

| Почта      | iastasevich@edu.hse.ru                    |

| ОС         | Windows 11 x64                            |

| RAM        | 16GB                                      |

| CPU        | Intel Core i5-12500H, 12 ядер, 16 потоков |

| Компилятор | GCC-MinGW                                 |

## Условие

См. `task.pdf`

## 1. Умножение матрицы на вектор

**Код:** `src/matvec`

**Результаты:**

![mv_time.png](assets/mv_time.png)

![mv_speedup.png](assets/mv_speedup.png)

![mv_efficiency_.png](assets/mv_efficiency.png)

**Выводы:**

* Разбиение по блокам с 4 процессами являются наиболее эффективными при обработке больших размеров матриц,

  демонстрируя значительное ускорение.

* Разбиение по блокам с 2 процессами также показывают хороший результат, но менее оптимальны.

* Разбиение по столбцам и строкам алгоритмы менее эффективны при больших размерах матриц и не так хорошо масштабируются.

## 2. Умножение матриц

**Код:** `src/cannon`

**Результаты:**

![cannon.png](assets/cannon.png)

**Выводы:**

* Увеличение числа процессов приводит к значительному сокращению времени выполнения алгоритма и улучшению

  производительности, особенно на больших размерах матриц.

* Параллелизация более эффективна для больших матриц, что видно из увеличения ускорения с ростом размера матрицы.

* Использование 4 процессов показывает более высокую эффективность и лучшее использование ресурсов по сравнению с 2

  процессами.

## 3. Задача Дирихле

**Код:** `src/dirichlet`

**Результаты:**

![dirichlet.png](assets/dirichlet.png)

**Выводы:**

* Увеличение числа процессов приводит к сокращению времени выполнения задачи Дирихле.

* Ускорение возрастает с ростом размера матрицы, но достигает предела, после которого эффект от увеличения числа

  процессов уменьшается.

* Эффективность также увеличивается с ростом размера матрицы, но при слишком большом числе процессов и размерах матриц

  наблюдается стабилизация или снижение.