實驗數據
語料大概有1740篇文檔，19889的詞，機器爲16核，48G內存，因爲機器上有其它程序運行，實際可用內存不足6G。
實驗方案
主要包含LDA的三種實現：第一種是LDA的單機版本，第二種是LDA的mpi版本，第三種是LDA的mpi和openmpi混合版本，不過實驗條件所限，沒有搭建基於MPI的集羣，這裏只是初步看下效果。迭代次數爲1500，主題數目爲50，假設n爲內核數。
實驗結果
這裏先記錄大概的結果，以後有時間再進行完善和補充。
第二種方法中，實驗跑了n分別等於16、8、4的時候。n=16的時候時間爲6m46s，n=8的時候時間爲4m29s,n=4的時候時間爲 8m35s。
第三種方法，n分別取16,8,4，運行時間都比較慢，時間至少爲30分鐘，而且不同cpu的負載很不均衡，有時候高的是低的2倍，這個感覺比較困惑，需要進一步分析。
第一種算法，時間在22m26s，佔用內存98M。
實驗分析
第一：都說MPI是進程級別的併發，而openmpi是線程級別的，至於爲什麼第三種算法會有這樣的結果暫時還不太清楚，會繼續實驗或者利用工具進行分析。
第二：cpu負載的不均衡性。也就是說有些cpu的計算負載會比較大，想想會不會是文檔中詞有一定的聚集現象，分發的時候，有些文檔集合的詞集合較小，有些會比較大？
第三：從實驗結果看，lda的單機版本佔用內存是最小的，其它情況雖n增加會有一定的增加。
接下來
雖然之前玩過MPI集羣，不過現在工作環境不允許，所以只好試試單機的基於openmp進行並行化。接下來，繼續分析問題一和二，然後只利用openmp進行並行化試試效果，最後看能不能進行代碼改進，主要包括利用指令集的方式加速浮點運算、算法的改進包括利用稀疏存儲，共享內存等方式進行改進。
