# 作業三 compute_pi 開發紀錄
* 背景知識
* 時間
* 實驗結果
* 圓周率證明
---
## 背景知識
* [時間的測量]
* [為何不要用gettimeofday()](https://blog.habets.se/2010/09/gettimeofday-should-never-be-used-to-measure-time?gclid=CL31hpnOss8CFYOWvAods_wAFQ)
* [使用clock_gettime](https://starforcefield.wordpress.com/2012/08/06/c%E8%AA%9E%E8%A8%80%EF%BC%9A%E4%BD%BF%E7%94%A8clock_gettime%E8%A8%88%E7%AE%97%E7%A8%8B%E5%BC%8F%E7%A2%BC%E7%9A%84%E6%99%82%E9%96%93%E9%9C%80%E6%B1%82/)
* [SIMD AVX](http://www.linuxjournal.com/content/introduction-gcc-compiler-intrinsics-vector-processing?page=0,2)

---

## 圓周率證明
*

---

## 實驗結果
* 撰寫runtime.gp的script後，直接編譯程式，使用make plot，得到結果如下圖：可以發現最原始的baseline方法耗時最多，使用avx指令集加上loop unrolling技巧，結果最快。
* 實做Leibniz與搭配OpenMP的成果如下：。我的CPU為 Core(TM) i7-4710MQ有四個核心，推測是使用8個thread超過CPU本身的核心數，而CPU在做hyper-threading的時候，須花額外的時間做切換，因此大幅影響到系統的執行時間。
* 去掉8個thread的圖：可以看到Leibniz，OpenMP使用4個thread的效果是最好的，N接近25000時仍 < 0.001。