C++ 如何优化OpenMp代码，例如直方图

我正在处理大量的点云数据。我尝试使用OpenMp。 但我发现初学者很难优化代码。 例如，当我想要获取点云的直方图时（该点具有x、y、z以外的其他信息）。我在下面写代码

 #pragma omp parallel num_threads(N_THREAD) shared(hist,partHist)
    {
        int tId = omp_get_thread_num();
        int index = tId * partCount; 
        #pragma omp for nowait
        for(int i =0;i<partCount;++i)
        {
            if (index + i < size)
                #pragma omp atomic
                partHist[tId][(int)floor((array[index + i] - minValue) / stride)]++;
        }
        #pragma omp critical
        {
            for (int i = 0; i < binCount; ++i)
                hist[i] += partHist[tId][i];
        }
    }

#pragma omp parallel num_threads（N_THREAD）shared（hist，partHist）
{
int tId=omp_get_thread_num（）；
int index=tId*零件数量；
#nowait的pragma omp
对于（int i=0；iIt使用
std:：thread
s或
pthreads
可能会更快，但在任何情况下，您都希望重构多线程，以最小化线程休眠和恢复、线程构造和销毁。代码是疯狂的-所有工作（根本没有太多）在原子或关键段内。原子和关键段都有效地序列化执行；它们在并行段内使用较少。在8核处理器上运行128个线程也可能不是一个好主意。首先使代码并行，然后在8个线程上运行，看看如何你开始吧。使用
std:：thread
s或
pthreads
可能会更快，但无论如何，你都会希望重构多线程，以最小化线程休眠和恢复、线程构造和破坏。代码很疯狂——所有的工作都在进行中（而且根本没有太多）在原子或关键段内。原子和关键段都有效地序列化执行；它们在并行段内使用较少。在8核处理器上运行128个线程也可能不是一个好主意。首先使代码并行，然后在8个线程上运行，看看如何你上车。