OpenMP是C++中最轻量易用的并行框架，通过#pragma omp指令快速并行化规则循环；需编译器支持并添加对应标志，常用parallel for实现数据并行，注意循环结构限制与数据依赖；可设置线程数及调度策略优化负载均衡；用private、reduction等子句避免数据竞争。

OpenMP 是 C++ 中最轻量、最易上手的并行框架之一，特别适合加速规则循环（如 for）和数据并行任务。它不需手动管理线程创建/同步，靠编译器指令（#pragma omp）就能把串行代码快速改造成多线程版本。

启用 OpenMP 并添加基础并行循环

先确保编译器支持（GCC/Clang/MSVC 都支持），编译时加标志：
GCC/Clang：-fopenmp；
MSVC：/openmp。

最常用的是 #pragma omp parallel for，它会自动把循环迭代分配给多个线程：

#include 
#include 
#include 
std::vector data(1000000, 1.0);
pragma omp parallel for
for (int i = 0; i < data.size(); ++i) {
data[i] = std::sin(data[i] * i); // 每次计算独立，无依赖
}

注意：循环变量必须是 整型、有确定上下界、步长为 1 的简单 for 形式；且循环体中不能有跨迭代的数据依赖（比如 data[i] += data[i-1] 就不行）。

控制线程数与调度策略

默认线程数通常等于 CPU 核心数，但可手动指定：

• 用 omp_set_num_threads(n) 在运行时设置；
• 或用环境变量：export OMP_NUM_THREADS=4（Linux/macOS）或 set OMP_NUM_THREADS=4（Windows）；
• 在 pragma 中加 num_threads(n)： #pragma omp parallel for num_threads(4)

对不均匀计算（如部分迭代耗时明显更长），可用调度策略优化负载均衡：

• schedule(static)：默认，把循环等分块分给线程（适合各次计算耗时相近）；
• schedule(dynamic, chunk)：动态分发，每次取 chunk 个迭代，适合耗时不均；
• schedule(guided)：初始 chunk 大，越往后越小，兼顾效率与平衡。

例如：#pragma omp parallel for schedule(dynamic, 1024)

避免数据竞争：私有化与归约

多个线程同时读写同一变量 → 数据竞争 → 结果错误。常见解决方式：

• private(var)：每个线程一份独立副本（适合中间变量）；
• firstprivate(var)：私有化 + 初始化为原值；
• reduction(op:var)：安全合并结果（+、*、min、max 等支持的操作）；
• critical / atomic：仅在必须串行访问时用（性能代价高，慎用）。

示例（求和）：

double sum = 0.0;
#pragma omp parallel for reduction(+:sum)
for (int i = 0; i < N; ++i) {
    sum += array[i] * array[i]; // 各线程算局部和，最后自动相加
}

嵌套并行与注意事项

OpenMP 默认禁用嵌套并行（即 parallel 区域内再开 parallel）。如需启用：

• 调用 omp_set_nested(1)；
• 或设环境变量 OMP_NESTED=TRUE；
• 但一般不建议——容易导致线程爆炸（如 8 核开两层各 4 线程 → 16 线程），反而降低性能。

其他实用提示：

• 用 omp_get_thread_num() 获取当前线程 ID（调试或分片逻辑有用）；
• 避免在 parallel 区域里调用非线程安全的函数（如旧版 rand()，改用 std::mt19937）；
• 循环外变量默认 shared，循环内变量默认 private —— 显式声明更安全。

基本上就这些。OpenMP 不复杂但容易忽略细节，只要保证无数据依赖、合理用 reduction 或 private，一个 pragma 就能显著提速计算密集型循环。