Git 使用与多线程编程实验报告
1. GitHub 仓库创建与管理
为了实现本地与虚拟机之间的协同开发，本实验首先创建了一个 GitHub 仓库，并将实验程序和记录上传至该仓库，便于在不同环境中同步和管理代码版本。
如图所示:
2. SSH 密钥配置与 GitHub 免密登录
使用下面的命令来生成ssh密钥，并将邮箱 acidbarium@163.com 作为密钥的注释，方便GitHub免密登录。
bash
ssh-keygen -t ed25519 -C "acidbarium@163.com"如图所示
使用下面的命令来查看SSH公钥
bash
cat~/.ssh/id_ed25519.pub将该公钥添加至 GitHub 中的 SSH 密钥设置，如图所示：
然后，使用以下命令来验证 SSH 密钥是否已正确配置并能成功连接 GitHub：
bash
ssh -T git@github.com如图所示，配置正确，显示成功消息：
3. Linux开发环境配置
为进行代码开发，首先在Linux上创建一个新的文件夹，如图所示
通过下面的命令下载git
bash
sudo yum install -y git
通过 Git 克隆仓库到Linux：
bash
git clone git@github.com:AcidBarium/osHomework.git如图所示
在仓库管理过程中，使用以下命令同步更新代码并提交更改：
bash
git pull origin main
git add .
git commit -m "提交信息"
git push origin main4. 多线程编程实验
4.1 基本多线程程序设计
首先编写一个简单的多线程程序，该程序使用 pthread 库创建一个线程并输出 "Ciallo world!"。以下是代码示例：
c
#include <pthread.h>
#include <stdio.h>
#include <stdlib.h>
void *worker(void *arg)
{
printf("Ciallo world!\n");
return NULL;
}
int main(int argc, char *argv[])
{
pthread_t tid;
if (pthread_create(&tid, NULL, worker, NULL))
{
printf("can not create\n");
exit(1);
}
printf("main waiting for thread\n");
pthread_join(tid, NULL);
exit(0);
}如下图所示
通过下面的指令编译
bash
gcc cialloWorld.c -o cialloWorld -pthread运行结果如下
main waiting for thread
Ciallo world!如下图所示
4.2 多线程性能测试
为了测试多线程在大规模计算中的性能提升，编写了一个多线程计算和单线程计算对比的程序。该程序计算从 1 到 MAX_NUM（10000000）的整数之和，并使用2个线程分配计算任务，从而提高计算效率。
编写代码如下
c
#include <stdio.h>
#include <pthread.h>
#include <time.h>
#include <stdint.h>
#define MAX_NUM 10000000
#define THREADS 2
// 线程参数结构体
typedef struct
{
uint64_t start;
uint64_t end;
uint64_t result;
} ThreadArgs;
// 线程函数：计算 [start, end] 的和
void *calculate_sum(void *arg)
{
ThreadArgs *args = (ThreadArgs *)arg;
uint64_t sum = 0;
for (uint64_t i = args->start; i <= args->end; i++)
{
sum += i;
}
args->result = sum;
return NULL;
}
// 单线程计算
uint64_t single_thread_sum()
{
uint64_t sum = 0;
for (uint64_t i = 1; i <= MAX_NUM; i++)
{
sum += i;
}
return sum;
}
// 多线程计算
uint64_t multi_thread_sum()
{
pthread_t threads[THREADS];
ThreadArgs args[THREADS];
uint64_t total_sum = 0;
// 分配计算范围
uint64_t segment = MAX_NUM / THREADS;
for (int i = 0; i < THREADS; i++)
{
args[i].start = i * segment + 1;
args[i].end = (i == THREADS - 1) ? MAX_NUM : (i + 1) * segment;
args[i].result = 0;
pthread_create(&threads[i], NULL, calculate_sum, &args[i]);
}
// 等待所有线程完成
for (int i = 0; i < THREADS; i++)
{
pthread_join(threads[i], NULL);
total_sum += args[i].result;
}
return total_sum;
}
int main()
{
clock_t start, end;
uint64_t sum;
double time_used;
// 单线程测试
start = clock();
sum = single_thread_sum();
end = clock();
time_used = ((double)(end - start)) / CLOCKS_PER_SEC;
printf("单线程结果: %lu, 耗时: %.5f 秒\n", sum, time_used);
// 多线程测试
start = clock();
sum = multi_thread_sum();
end = clock();
time_used = ((double)(end - start)) / CLOCKS_PER_SEC;
printf("多线程结果: %lu, 耗时: %.5f 秒\n", sum, time_used);
return 0;
}运行结果如下图所示
运行该程序后，可以观察到多线程计算的时间明显低于单线程计算，在多线程的支持下，程序的计算速度大约提高了一倍，证明了多线程在并行计算中的优势。
