陕西营销型手机网站建设推广普通话宣传海报
🧠 什么是 OpenMP？
OpenMP（Open Multi-Processing） 是一种基于 共享内存多线程并行编程 的标准接口，主要用于 C/C++ 和 Fortran。
它通过编译器指令（#pragma）和少量函数调用，实现程序的多线程并行执行，广泛用于多核 CPU 的并行加速。
✅ 关键词：简单、快速接入、共享内存模型、线程级并行
📚 基本原理
-
OpenMP 利用多线程模型，多个线程访问同一块共享内存。
-
主线程启动并分配工作到多个子线程。
-
子线程完成任务后回收，继续主线程的流程。
🚀 使用步骤（C++ 示例）
1. 头文件引入
#include <omp.h>
2. 编译器支持
使用 -fopenmp（GCC/Clang） 或 /openmp（MSVC）：
g++ -fopenmp main.cpp -o my_app
🔧 常用指令详解
1. 并行执行块
#pragma omp parallel
{// 这里的代码由多个线程并行执行
}
2. 并行 for 循环
#pragma omp parallel for
for (int i = 0; i < N; ++i) {// 多线程并行执行每一次迭代
}
3. 指定共享与私有变量
#pragma omp parallel for shared(shared_var) private(i)
-
shared(x)：所有线程共享变量 -
private(x)：每个线程有自己的副本
4. critical（临界区）
保证某段代码只被一个线程执行：
#pragma omp critical
{// 通常用于修改共享变量（如 push_back、计数等）
}
5. reduction（规约）
并行执行中对变量进行“聚合”：
int sum = 0;
#pragma omp parallel for reduction(+:sum)
for (int i = 0; i < N; ++i)sum += i; // 各线程加和后统一聚合
6. atomic（原子操作）
原子性地更新变量，比 critical 粒度更小：
#pragma omp atomic
sum += i;
7. schedule（任务划分策略）
控制任务在线程间如何分配：
#pragma omp parallel for schedule(static) // 固定分配
#pragma omp parallel for schedule(dynamic) // 动态分配
🧮 运行时函数
int omp_get_num_threads(); // 获取当前线程数
int omp_get_thread_num(); // 获取当前线程 ID（从 0 开始）
int omp_get_max_threads(); // 系统支持的最大线程数
🧪 示例：并行求数组和
#include <omp.h>
#include <iostream>
int main() {const int N = 1000;int a[N];for (int i = 0; i < N; ++i) a[i] = i;long long sum = 0;#pragma omp parallel for reduction(+:sum)for (int i = 0; i < N; ++i) {sum += a[i];}std::cout << "Sum = " << sum << std::endl;return 0;
}
⚠️ 使用注意事项
| 问题 | 描述 |
|---|---|
| ❌ 数据竞争 | 多线程读写同一变量未加锁或同步，可能崩溃 |
| ❌ 非线程安全容器 | std::vector、deque 等 STL 容器需手动保护 |
| ❌ 非结构化编程 | 不当的 #pragma 结构容易导致 bug |
| ❌ 嵌套并行 | 默认为关闭，需手动打开 omp_set_nested(1) |
✅ 适合的使用场景
| 场景 | 说明 |
|---|---|
| CPU 密集型计算 | 大量循环计算、矩阵乘法、图像处理 |
| 数据并行 | 处理同一类型的大量数据 |
| 图像 Patch 并行处理 | 图像分块 + #pragma omp parallel for |
| 替代多线程 | 简洁替代 pthread/C++ std::thread 等 |
🧰 优缺点总结
| 优点 | 缺点 |
|---|---|
| ✅ 易上手 | ❌ 仅支持共享内存系统 |
| ✅ 与现有代码融合简单 | ❌ 控制粒度较粗，不适合复杂任务分配 |
| ✅ 开销小（无需线程池） | ❌ 对线程安全性要求高，容易出错 |
📦 补充工具
-
GOMP（GNU OpenMP Runtime）：你遇到的
libgomp.so就是它，OpenMP 的运行时。 -
Intel TBB / C++20 并行算法：适合更复杂的并行场景。
-
OpenCL / CUDA：适合跨设备（GPU）并行。
执行例子
#include <iostream>
#include <omp.h>int main() {#pragma omp parallel{int tid = omp_get_thread_num();std::cout << "Thread %d says hello\n" << tid << std::endl;int num_threads = omp_get_num_threads();std::cout << "Number of threads: " << num_threads << std::endl;}std::cout << " ------------------------- " << std::endl;#pragma omp parallel forfor (int i = 0; i < 8; ++i) {printf("Thread %d handles i = %d\n", omp_get_thread_num(), i);int tid = omp_get_thread_num();std::cout << "the threads is: " << tid << std::endl;std::cout << std::endl;}std::cout << " ------------------------- " << std::endl;int public_val = 0;for(int i=0; i<10; i++){public_val += 1;}std::cout << "the public_val is: " << public_val << std::endl;public_val = 0;#pragma omp parallel forfor(int i=0; i<10; i++){ #pragma omp criticalpublic_val += 1;}std::cout << "the public_val is: " << public_val << std::endl;public_val = 0;#pragma omp parallel forfor(int i=0; i<10; i++){ public_val += 1;}std::cout << "the public_val is: " << public_val << std::endl;return 0;
}// g++ main.cpp -fopenmp -o hello