OpenMP 版本稀疏矩阵向量乘

说明：

1.转载请联系本人

稀疏矩阵向量乘法（Sparse Matrix-Vector Multiplication, SpMV）在许多科学计算程序中都有广泛的应用。 如下所示，数据矩阵A是稀疏的，输入向量x和输出向量y是稠密的。

y = Ax

老师在/hw2目录下提供的代码已经能够达到比较好的存储访问了，所以在这个基础上添加OpenMP代码以及尝试其他的优化，如循环优化即可。

不同规模和不同稀疏程度矩阵处理速度公式：假设稀疏矩阵中不为0的个数为k 处理速度公式 = 2*k/1000000000/time 带宽计算公式 = (sizeof(int)*dim + sizeof(int)*k + sizeof(float)*k + sizeof(float)*dim*2)/1000000000/time

系统理论峰值(即浮点数理论峰值)集群理论浮点峰值 = CPU主频（GHz）× CPU每时钟周期执行浮点运算次数 × 节点数 × 8（每节点双路四核）=4.2*4*8=134.4GFLOPS/s

峰值带宽： B=F×D/8=2133MHz*64bit/8=17.064GHz 没有达到理论峰值的原因是，程序并不只是在做浮点数运算或只是在访问内存，以及操作系统的线程调度，和服务器本身的不稳定性等等...

1.尝试parallel shared/private以及dynamic

问题1: 发现在initMatrix里面加omp效果不佳. 解决: 可能会因为并行访问同一数值，导致访问错误和数组越界等问题有关

问题2: 发现使用shared/private之后速度较慢，GFLOPS较低 解决: 与privaet是否使用无关，主要是这样会导致并行区域开多，速度会下降

2.尝试parallel guided 和减少for循环依赖 代码如下