在C++中使用OpenMP可通过#pragma omp parallel创建多线程并行执行，需在编译时添加-fopenmp启用，适合多核CPU加速计算密集任务。
在C++中使用OpenMP进行并行编程，是一种简单高效的共享内存并行计算方式。它通过编译器指令（pragma）实现多线程并行，适合在多核CPU上加速计算密集型任务。只需要在支持OpenMP的编译器（如GCC、Clang、MSVC）下开启对应选项，就可以轻松实现并行化。
启用OpenMP环境
要在C++项目中使用OpenMP，首先要确保编译器支持并启用了OpenMP：
- 使用GCC或Clang时，编译需加上 -fopenmp 参数
- 在Visual Studio中，默认支持OpenMP，也可以在项目设置中启用
- 包含头文件 #include <omp.h>（可选，某些情况下自动包含）
示例编译命令：
g++ -fopenmp your_program.cpp -o your_program
立即学习“C++免费学习笔记（深入）”；
基本并行结构：#pragma omp parallel
最基础的并行块是使用 #pragma omp parallel 指令，它会创建一组线程，每个线程都执行接下来的代码块。
示例：
#include <iostream>
int main() {
#pragma omp parallel
{
int thread_id = omp_get_thread_num();
std::cout << "Hello from thread " << thread_id << "\n";
}
return 0;
}
输出会显示多个线程同时打印信息，顺序不定。线程数量默认由系统决定，也可手动设置：
omp_set_num_threads(4); // 设置使用4个线程
并行循环：#pragma omp for
最常见的应用场景是将循环并行化。使用 #pragma omp parallel for 可以把一个大循环的工作分给多个线程。
示例：并行计算数组元素平方和
#include <iostream>
#include <vector>
int main() {
const int N = 1000000;
std::vector<double> data(N, 1.0);
double sum = 0.0;
<pre class='brush:php;toolbar:false;'>#pragma omp parallel for reduction(+:sum)
for (int i = 0; i < N; ++i) {
sum += data[i] * data[i];
}
std::cout << "Sum of squares: " << sum << "\n";
return 0;}
这里的关键点：
- parallel for 合并了创建线程组和分配循环迭代
- reduction(+:sum) 表示每个线程有sum的私有副本，最后自动累加合并
- 循环变量 i 自动为各线程私有（默认行为）
数据共享与私有性控制
在并行区域中，变量默认是共享的，但有些需要设为私有以避免冲突。
常用子句：
- private(var)：每个线程有自己的副本
- shared(var)：变量被所有线程共享（默认）
- reduction(op:var)：用于归约操作，如求和、求最大值
- firstprivate(var)：私有且初始化为进入前的值
示例：手动控制私有变量
#pragma omp parallel private(i) shared(sum)
{
int local_temp = 0;
#pragma omp for
for (i = 0; i < N; ++i) {
local_temp += data[i];
}
#pragma omp atomic
sum += local_temp;
}
这里用 atomic 保证对共享变量 sum 的更新是线程安全的。
基本上就这些核心内容。OpenMP的优势在于语法简洁，无需管理线程生命周期，特别适合数值计算、图像处理、科学模拟等可并行场景。掌握好共享/私有语义和归约机制，就能写出高效安全的并行代码。
