C OpenMP并行处理两种方法的差异

我只想通过OpenMP总结评估函数的集成，使用数组保存每个步骤中计算的每个值>获取所有值的总和；取不带数组的和

代码是：

double f(double x)
{
    return sin(x)*sin(x)/(x*x+1);
}

方法1

    long i = 0;
    const long NUM_STEP = 100000;
    double sum[NUM_STEP];
    double from = 0.0, to = 1.0;
    double step = (to - from)/NUM_STEP;
    double result = 0;

    #pragma omp parallel for shared(sum) num_threads(4)
    for(i=0; i<NUM_STEP; i++)
        sum[i] = step*f(from+i*step);
    for(i=0; i<NUM_STEP; i++)
        result += sum[i];
    printf("%lf", result);

长i=0；
const long NUM_STEP=100000；
双和[NUM_步]；
双精度自=0.0，至=1.0；
双步=（到-从）/NUM_步；
双结果=0；
#用于共享（总和）num_线程的pragma omp并行（4）
对于（i=0；iTL；DR，第一种方法没有竞争条件，而第二种方法有竞争条件

第一种方法没有竞争条件，而第二种方法有竞争条件。即，在第一种方法中：

#pragma omp parallel for shared(sum) num_threads(4)
for(i=0; i<NUM_STEP; i++)
    sum[i] = step*f(from+i*step);
for(i=0; i<NUM_STEP; i++)
    result += sum[i];

实际上，您可以在此版本上做一点小小的改进；您可以不使用与
NUM_STEP
数量相同的大小来分配数组
sum
，而只使用与线程数量相同的大小来分配它，并且每个线程将保存在与其
ID
相同的位置，即：

for(i=0; i<NUM_STEP; i++)
    result += sum[i];

int total_threads = 4;
double sum[total_threads];
#pragma omp parallel num_threads(total_threads)
{
  int thread_id = omp_get_thread_num();
  for(i=0; i<NUM_STEP; i++)
      sum[thread_id] += step*f(from+i*step);
  for(i=0; i< total_threads; i++)
      result += sum[i];
}

因为多个线程正在以非线程安全的方式同时更新
result
变量

要解决此竞争条件，您需要使用以下子句：

#pragma omp parallel用于减少（+:result）num_线程（4）
对于（i=0；iTL；DR，第一种方法没有竞争条件，而第二种方法有竞争条件

第一种方法没有竞争条件，而第二种方法有竞争条件。即，在第一种方法中：

#pragma omp parallel for shared(sum) num_threads(4)
for(i=0; i<NUM_STEP; i++)
    sum[i] = step*f(from+i*step);
for(i=0; i<NUM_STEP; i++)
    result += sum[i];

实际上，您可以在此版本上做一点小小的改进；您可以不使用与
NUM_STEP
数量相同的大小来分配数组
sum
，而只使用与线程数量相同的大小来分配它，并且每个线程将保存在与其
ID
相同的位置，即：

for(i=0; i<NUM_STEP; i++)
    result += sum[i];

int total_threads = 4;
double sum[total_threads];
#pragma omp parallel num_threads(total_threads)
{
  int thread_id = omp_get_thread_num();
  for(i=0; i<NUM_STEP; i++)
      sum[thread_id] += step*f(from+i*step);
  for(i=0; i< total_threads; i++)
      result += sum[i];
}

因为多个线程正在以非线程安全的方式同时更新
result
变量

要解决此竞争条件，您需要使用以下子句：

#pragma omp parallel用于减少（+:result）num_线程（4）
对于（i=0；i