平行處理的程式(FFT)

國立中山大學應數系碩士班一年級

顏俊育

8724615

作法：同時利用多個processor一起作處理，程式中主要程式分為兩個地方。一個是作FFT function，另外一部份為每個processor之間的傳遞資料。程式中先知道需要處理processor的個數，然後將每個processor需要處理的資料部分分好。就開始處理，以下為處理的步驟：（假設處理矩陣大小為I X J，processor number P）

1. 將矩陣以I mod P 和 I / P 就可以知道每個矩陣必須處理哪些row.
2. 每個processor 對所需處理的row作FFT轉換
3. 做完之後傳到特定的processor(node 0)
4. 特定的processor收集完所有processor做完之後的資料，再broadcast給全部的processor(node 0 ..node 7)
5. 同上步驟對column作FFT轉換
6. 做完之後傳回node 0
7. 完成整個矩陣的FFT轉換

下面的數據是處理512*512 Matrix

上表表示使用8Cpu處理整個過程花費時間，第一個步驟全部Cpu都完成row的fft運算共需要8.317817秒，從收集全部資料到分配資料共需要差不多4秒，第三步驟每個node完成colnum的fft差不多2.5秒，收集完資料完成需要差不多3秒。

上表表示使用4顆Cpu處理整個過程花費時間，第一個步驟全部Cpu都完成row的fft運算共需要12秒，從收集全部資料到分配資料需要差不多2秒的時間，第三步驟每個node完成colnum的fft的時間差不多4.5秒，收集完資料完成需要差不多5秒。

上表表示使用1顆Cpu處理整個過程花費時間，第一個步驟完成row的fft時間都不一樣，可能是因為每個Cpu當時的load的process不一樣，所以處理一樣的東西，會有時間長短不一樣。

討論：根據上面的表格，8顆Cpu比4顆快，4顆比1顆快，但是在時間上來說並沒有差很多。原因在於多個Cpu之間，需要在node和node之間作傳遞的工作會比較多次，所以雖然使用多個Cpu作處理，理論上會縮短處理時間，但是會花費比較多的時間在傳遞訊息上面，所以相對來看，處理簡短的時間並不會很多。再說，若是當時候有某一顆Cpu處理的速度特別慢，也就是那個Cpu有很多人再使用，則可能多顆Cpu會比單顆Cpu慢。