如何用 OpenMP 轻松实现并行计算？三种常用指令详解

基本概念

OpenMP（Open Multi-Processing）是一种基于编译器指令的并行编程接口，通过简单添加代码（如#pragma），自动将任务拆分为多线程并行执行，直接利用多核CPU性能。本文介绍三种最常用的指令，保证一看就会。

使用示例

1） #pragma omp parallel for

简单来说就是自动多线程执行循环，线程数由系统决定。

通俗解释：

• 老板（系统）根据工作量自动分配工人数量（线程数）。
• 默认行为（无需手动指定），适合“懒人”。

适合快速实现并行，不关心线程数细节，任务独立且不需要统计结果。

使用示例：

#pragma omp parallel for
for (int i = 0; i < 100; ++i) {
    process_data(i);  // 自动分配线程处理数据
}

2） #pragma omp parallel for num_threads(2)

简单来说就是多线程执行循环，且指定用 2 个线程。

通俗解释：

• 明确雇两个工人（线程）搬砖（执行循环任务）。
• 工人之间不共享数据，各自独立工作。

适合明确固定线程数，任务完全独立且不需要汇总结果。

使用示例：

#pragma omp parallel for num_threads(2)
for (int i = 0; i < 100; ++i) {
    printf("%d ", i);  // 2个线程独立输出，顺序不确定
}

3） #pragma omp parallel for reduction(+:sum) num_threads(2)

简单来说就是多线程累加，且指定用 2 个线程， 结果绝对正确。

通俗解释：

• 想象两个工人（线程）数同一堆苹果（数据）。
• 每人拿一个本子（私有变量 sum）记录自己数的数量，最后把两人的结果相加。
• 关键点：避免两人同时写同一张纸（数据竞争），结果绝对正确。

适合需要规约操作（线程安全），明确要求线程数。

使用示例：

int sum = 0;
#pragma omp parallel for reduction(+:sum) num_threads(2)
for (int i = 0; i < 100; ++i) {
    sum += i;  // 2个线程各自累加，最后合并结果
}

reduction(+:sum) 的作用

• 归约（Reduction）：将多个线程的局部计算结果合并到全局变量中。
• +：归约运算符（加法），其他常见运算符包括 *（乘法）、max（最大值）、min（最小值）等。
• sum：需要归约的全局变量。

底层工作原理：

1）每个线程会创建自己的私有 sum 副本，初始值为归约运算符的初始值（加法为 0）。

2）每个线程在自己的私有副本上执行循环内的计算操作。

3）所有线程结束后，将各线程的私有副本通过运算符（+）合并到主线程的全局变量（sum）中。