OpenMP是C++中轻量级共享内存并行方案，通过#pragma omp指令实现循环并行、reduction归约、变量作用域控制及调度策略优化。
OpenMP 是 C++ 中实现共享内存并行编程最常用、最轻量的方案之一，特别适合 CPU 密集型循环计算（如矩阵运算、数值模拟、图像处理等）。它通过编译器指令（#pragma omp）控制线程行为，无需手动管理线程创建/同步，上手快、可增量改造串行代码。
基础并行：用 #pragma omp parallel for 并行化循环
这是最常见用法。OpenMP 自动将循环迭代分配给多个线程，要求循环变量为整型、步长为常量、上下界在进入循环前确定，且各次迭代**无数据依赖**（即不读写同一内存位置）。
示例：
#include <omp.h>
#include <iostream>
#include <vector>
<p>int main() {
const int N = 1000000;
std::vector<double> a(N), b(N), c(N);</p><pre class="brush:php;toolbar:false;">// 初始化（可串行）
for (int i = 0; i < N; ++i) {
a[i] = i * 0.1;
b[i] = i * 0.2;
}
// 并行执行：每个线程处理一部分 i
#pragma omp parallel for
for (int i = 0; i < N; ++i) {
c[i] = a[i] + b[i] * 2.0;
}
return 0;}
- 编译时需加
-fopenmp（GCC/Clang）或/openmp（MSVC） - 默认线程数 = 逻辑 CPU 核心数；可用
omp_set_num_threads(n)或环境变量OMP_NUM_THREADS=n控制 - 若循环内有共享变量被修改（如累加），需用
reduction或critical避免竞争
避免数据竞争：用 reduction 安全求和
当需要对一个变量做归约操作（如 sum、max、min、product），直接并发写会出错。OpenMP 提供 reduction 子句，为每个线程生成私有副本，最后自动合并。
立即学习“C++免费学习笔记（深入）”；
示例（计算数组和）：
double sum = 0.0;
#pragma omp parallel for reduction(+:sum)
for (int i = 0; i < N; ++i) {
sum += a[i] * b[i];
}
// 此时 sum 已是所有线程结果之和
- 支持的运算符：+ − * & | ^ && || max min
- 变量必须是标量，且不能是数组元素或类成员（除非是简单 POD 类型的 public 成员）
- 注意：
reduction初始化值由运算符隐式决定（如 + 初始为 0，* 初始为 1）
共享与私有变量：显式控制数据作用域
默认下，循环外定义的变量是 shared（所有线程共用），循环内定义的是 private（各线程独立）。但有时需显式指定：
-
shared(x, y)：强制多个线程访问同一份变量（注意同步！） -
private(i, temp)：为每个线程创建独立副本（初始化未定义，需自行赋初值） -
firstprivate(x)：私有副本以原始值初始化（适合只读参数） -
lastprivate(i)：循环结束后，将**最后一个执行完的线程**的私有副本赋给原变量
例如：
int global_flag = 0;
#pragma omp parallel for private(temp) shared(global_flag)
for (int i = 0; i < N; ++i) {
double temp = compute_something(i);
if (temp > 1e6 && global_flag == 0) {
#pragma omp critical
if (global_flag == 0) global_flag = i; // 典型临界区用法
}
}
进阶技巧：调度策略与嵌套并行
对于迭代耗时不均的循环（如部分 i 计算量大、部分小），静态调度（默认）可能导致负载不均衡。可用 schedule 指定策略：
-
schedule(static, chunk)：固定分块（默认 chunk=1，即平均分；设 chunk=100 可减少调度开销） -
schedule(dynamic, chunk)：运行时动态领取任务块，适合不均匀场景 -
schedule(guided)：初始块大，逐渐减小，兼顾效率与平衡
嵌套并行（如外层并行矩阵行、内层并行列）需开启：
omp_set_nested(1); // 或设 OMP_NESTED=TRUE
#pragma omp parallel for collapse(2) // 合并二维循环为一维调度（C++11+）
for (int i = 0; i < M; ++i) {
for (int j = 0; j < N; ++j) {
C[i][j] = A[i][j] + B[i][j];
}
}
collapse(2) 把双层循环视为一个长度为 M×N 的循环，提升调度灵活性。
基本上就这些。OpenMP 不复杂但容易忽略细节——重点是识别并行安全边界、合理用 reduction 和 critical、以及根据问题特征选对调度方式。实际 HPC 场景中，它常和 SIMD（如 #pragma omp simd）或 MPI（节点间）组合使用，构成混合并行模型。
