Источник:  <a href="http://www.software.unn.ac.ru">http://www.software.unn.ac.ru</a>.
<h2><div align="center">Краткое описание схемы параллельной реализации</div></h2>
Рассматриваемая реализация теста <a href="http://www.netlib.org/linpack">LinPack</a> написана на Microsoft Visual C++.<br>
Функция main имеет следующее описание: <br>
  int main(int argc, char *argv[])<br>
  <br>
В ее теле определяются основные переменные:
<pre>
  MPI_Comm comm; // коммуникатор процессоров

  PLA_Obj A = NULL, x = NULL, b = NULL, // матрица A, вектор решения и вектор правых частей
	  A_append; 			// матрица A, объединенная с вектором b

  double operation_count, // количество "существенных" операций
         start_time,	  // время начала некоторой фазы теста
         create_time,	  // время, затраченное на создание задачи
         factor_time,	  // время, затраченное на факторизацию
         solve_time,	  // время, затраченное на решение задачи
	 gflops,	  // полученная производительность
	 time;		  // время окончания некоторой фазы теста

  int    size, 		  // размер задачи
	 me, nprocs, 	  // идентификатор процессора и общее количество процессоров
	 nprows, npcols;  // число строк и столбцов матрицы
  
  MPI_Datatype datatype;  // тип элементов матрицы A и вектора b
</pre>  
После определения переменных происходит инициализация MPI: <br>
<pre>
  MPI_Init(&argc, &argv);

  MPI_Comm_rank(MPI_COMM_WORLD, &me);
</pre>  
Затем, на ведущем процессоре(идентификатор которого равен нулю) производится анализ параметров командной строки и ведется их рассылка остальным процессорам с помощью функции MPI_BCast, после чего для созданного коммуникатора comm инициализируется PlaPack: 
<pre>
  PLA_Init(comm);
</pre>  
После инициализации PlaPack можно создавать математические объекты: 
<pre>
  datatype = MPI_DOUBLE;

  PLA_Matrix_create(  datatype, size, size+1, 
		      templ, PLA_ALIGN_FIRST, PLA_ALIGN_FIRST, &A_append );

  PLA_Mvector_create( datatype, size, 1, templ, PLA_ALIGN_FIRST, &x );

  PLA_Mvector_create( datatype, size, 1, templ, PLA_ALIGN_FIRST, &b );
</pre>  
Создаем задачу, то есть заполняем матрицу A и вектор b, а также засекаем время создания: 
<pre>
  start_time = MPI_Wtime( );
  create_problem( A, x, b );
  create_time = MPI_Wtime( ) - start_time;
</pre>  
Затем матрицу A и вектор b объединяем в объекте A_append, используя процедуру PLA_Copy. После создания проводим LU-факторизацию, также засекая время: 
<pre>
  start_time = MPI_Wtime();
  info = PLA_LU( A_append );
  factor_time = MPI_Wtime() - start_time;
</pre>  
Результат разложения будет находиться в матрице A_append. Выделяем из этого объекта матрицы L и U и записываем их в A, также используя процедуру PLA_Copy. Теперь мы можем решить систему: 
<pre>
  start_time = MPI_Wtime();
  PLA_Trsv( PLA_UPPER_TRIANGULAR, PLA_NO_TRANSPOSE, PLA_NONUNIT_DIAG, A, b );
  solve_time = MPI_Wtime() - start_time;
</pre>
На ведущем процессоре вычисляем производительность: 
<pre>
  operation_count = 2.0/3.0 * size * size * size;
  time = factor_time + solve_time;
  gflops = operation_count / (time*1000000000.0);
</pre>
  
Затем записываем данные эксперимента в файл и завершаем работу: 
<pre>
  PLA_Obj_free(&A);            
  PLA_Obj_free(&x);
  PLA_Obj_free(&b);            
  PLA_Obj_free(&A_append);

  PLA_Finalize( );
  MPI_Finalize( );
</pre>