c++如何使用OpenMP进行并行计算_c++共享内存多线程编程【HPC】

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;

登录后复制

}

• 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

登录后复制

• 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：

标签： ai c++ ios 环境变量 stream 作用域 red