OpenMP并行化for循环的前提是迭代间无数据依赖，纯独立计算可直接用#pragma omp parallel for；归约需reduction子句，递推关系不可并行；条件写入、非连续索引等须防冲突；小数组或轻量计算可能因开销反而更慢。
OpenMP对C++数组for循环并行化的前提条件
必须确保循环体中各次迭代之间没有数据依赖，尤其是不能有data[i]和data[j]（i≠j）之间的写-写或写-读冲突。比如sum += arr[i]这种归约操作需要显式声明reduction，而arr[i] = arr[i-1] + 1这类递推关系根本不能直接并行。
最简可行的#pragma omp parallel for写法
对纯独立计算的数组遍历，加一行编译指示即可，不需要改循环结构本身：
#include <omp.h>
// ...
#pragma omp parallel for
for (int i = 0; i < n; ++i) {
result[i] = some_computation(arr[i]);
}
- 编译时需加
-fopenmp（GCC/Clang）或/openmp（MSVC） - 默认使用所有可用线程，可通过
omp_set_num_threads()或环境变量OMP_NUM_THREADS控制 - 若数组是局部栈变量（如
double buf[1024]），注意栈空间线程私有性，但多线程同时访问同一块栈内存仍不安全——应确保每个线程操作的是不同索引段
处理常见副作用：归约、条件跳过、索引偏移
遇到sum += arr[i]、if (arr[i] > threshold) push_back(...)或dst[i*2] = src[i]这类情况，不能裸用parallel for：
- 归约求和：用
#pragma omp parallel for reduction(+:sum)，OpenMP自动合并各线程局部副本 - 条件写入（如筛选）：避免多个线程竞争同一容器，改用先标记再收集，或用
std::vector配合omp_get_thread_num()分段预分配 - 非连续索引（如步长2）：只要目标索引不重叠，仍可并行，例如
dst[i*2] = f(src[i])是安全的；但dst[i] = f(src[i/2])就可能引发写冲突
容易被忽略的性能陷阱
并行不一定更快，尤其当数组小、计算轻量或存在伪共享时：
立即学习“C++免费学习笔记（深入）”；
- 循环次数少于几百次时，线程启动开销可能超过收益，建议加
if(n > 1000)保护 - 结构体数组按字段访问（如
vec[i].x）易触发伪共享，相邻元素被不同线程修改时会反复同步缓存行；可考虑填充或按线程分块处理 - OpenMP默认调度是
static，对负载不均的计算（如内部含分支或变长计算）应显式写#pragma omp parallel for schedule(dynamic, 32)
实际加速比高度依赖数据规模、计算密度和内存带宽，别只看线程数翻倍就以为速度翻倍。
