OpenMP是C++中易上手的并行编程工具，通过#pragma omp指令实现循环级并行，需编译器支持并启用-fopenmp等选项，适用于独立迭代的数组、矩阵等计算任务。
OpenMP 是 C++ 中最简单上手的并行编程工具之一，适合处理循环级并行、数据并行任务，比如数组计算、矩阵运算、图像处理等。它通过编译器指令（#pragma omp）控制并行行为，无需改写函数接口或管理线程生命周期，对原有串行代码改动小。
一、环境准备和基础编译
确保编译器支持 OpenMP（GCC ≥ 4.2、Clang ≥ 3.7、MSVC ≥ 2015）。编译时需显式启用：
- GCC/Clang：加
-fopenmp参数，例如：g++ -fopenmp -O2 main.cpp -o main - MSVC：在项目属性中启用“OpenMP 支持”（C/C++ → 语言 → 启用 OpenMP 支持）
二、最常用的并行循环：#pragma omp parallel for
把一个普通 for 循环变成多线程并行执行，前提是每次迭代**相互独立**（无数据依赖、不共享写入同一变量）。
示例：对数组每个元素平方
立即学习“C++免费学习笔记（深入）”；
OpenMP并行程序设计 WORD版
下载
本文档主要讲述的是OpenMP并行程序设计；OpenMP是一个编译器指令和库函数的集合，主要是为共享式存储计算机上的并行程序设计使用的。目前支持OpenMP的语言主要有Fortran，C/C++。 OpenMP在并行执行程序时，采用的是fork/join式并行模式，共享存储式并行程序就是使用fork/join式并行的。希望本文档会给有需要的朋友带来帮助；感兴趣的朋友可以过来看看
#include#include #include int main() { std::vector
a(1000000, 1); #pragma omp parallel for for (int i = 0; i < a.size(); ++i) { a[i] = a[i] * a[i]; // 每次只访问 a[i]，安全 }}
- 默认会自动分配线程数（通常等于逻辑核心数），也可手动指定：
#pragma omp parallel for num_threads(4)- 若循环变量是
size_t或大整数，注意 OpenMP 3.0+ 才完全支持无符号类型；建议用int或long避免警告- 不能用于
std::vector::iterator形式的范围 for 循环（OpenMP 不识别），必须用传统索引 for三、避免竞争：private、reduction 和 critical
多个线程同时读写同一个变量会导致结果错误（data race）。常见应对方式：
- private：为每个线程创建独立副本（适合临时变量）
#pragma omp parallel for private(j)
for (int i = 0; i < N; ++i) { int j = i * 2; ... }- reduction：安全地归约（求和、乘积、最小值等）
#pragma omp parallel for reduction(+:sum)
for (int i = 0; i < N; ++i) sum += a[i];
编译器自动生成线程局部累加 + 最终合并，无需加锁- critical / atomic：仅当必须更新共享变量时使用（性能较低，慎用）
#pragma omp critical { counter++; }或#pragma omp atomic counter++;四、进阶技巧：调度策略与线程控制
默认静态调度（static）可能负载不均；动态调度更适合迭代耗时不均的场景：
#pragma omp parallel for schedule(dynamic, 32)：每次分配 32 次迭代给空闲线程#pragma omp parallel for schedule(guided)：初始块大，后续逐渐变小，平衡性更好- 获取当前线程信息：
omp_get_thread_num()、omp_get_num_threads()、omp_get_max_threads()- 运行时设置线程数：
omp_set_num_threads(8);（需在 parallel 区域前调用）不复杂但容易忽略：记得包含
，检查编译选项是否生效，用omp_get_num_threads()打印确认实际并行度。从简单循环开始，逐步加上 reduction 和调度优化，比一上来就写 nested parallel 更稳妥。
