C++ OpenMP与C++；11线

在下面的示例中，C++11线程执行大约需要50秒，而OMP线程只需要5秒。你知道为什么吗？（我可以向你保证，如果你在做真正的工作，而不是什么都不做，或者如果你按照不同的顺序做，等等，这仍然是正确的）我也在一台16核的机器上

#include <iostream>
#include <omp.h>
#include <chrono>
#include <vector>
#include <thread>

using namespace std;

void doNothing() {}

int run(int algorithmToRun)
{
    auto startTime = std::chrono::system_clock::now();

    for(int j=1; j<100000; ++j)
    {
        if(algorithmToRun == 1)
        {
            vector<thread> threads;
            for(int i=0; i<16; i++)
            {
                threads.push_back(thread(doNothing));
            }
            for(auto& thread : threads) thread.join();
        }
        else if(algorithmToRun == 2)
        {
            #pragma omp parallel for num_threads(16)
            for(unsigned i=0; i<16; i++)
            {
                doNothing();
            }
        }
    }

    auto endTime = std::chrono::system_clock::now();
    std::chrono::duration<double> elapsed_seconds = endTime - startTime;

    return elapsed_seconds.count();
}

int main()
{
    int cppt = run(1);
    int ompt = run(2);

    cout<<cppt<<endl;
    cout<<ompt<<endl;

    return 0;
}

#包括
#包括
#包括
#包括
#包括
使用名称空间std；
void doNothing（）{}
int运行（int算法运行）
{
auto startTime=std:：chrono:：system_clock:：now（）；
对于（int j=1；jOpenMP）（也包括和）.OpenMP避免了这种开销，因此它所做的只是实际工作和执行状态的最小共享内存穿梭。在
线程中，每次迭代都会旋转和拆卸一组新的16个线程。
我尝试了一个100循环的代码
花了
OpenMP 0.0727、英特尔TBB 0.6759和C++线程库0.5962毫秒。
我还应用了阿鲁伊斯丹特的建议

void nested_loop(int max_i, int band)  
{
    for (int i = 0; i < max_i; i++)
    {
        doNothing(band);
    }
}
...
else if (algorithmToRun == 5)
{
    thread bristle(nested_loop, max_i, band);
    bristle.join();
}

void嵌套循环（int max_i，int band）
{
对于（int i=0；i

这个代码看起来比原来的C++ 11线程部分占用的时间更少。
我猜OpenMP是足够聪明的，可以优化整个循环，因为它是一个NOP。用<代码>线程< /代码>，你正承受着旋转和撕掉所有NOP线程的开销。尝试添加一些实际代码到测试函数中，看看H是什么？appens.嗯，有一件事是，您正在使用一个动态调整大小的容器来容纳线程；这对性能没有帮助。尝试只使用一个固定大小的数组，并在创建时启动它的所有元素。@Aruistante:我添加了真实的代码，我可以向您保证差异仍然存在（我有很多代码，并将其分解到这里发布）--这不是因为NOP。@CoffeeandCode：我已经这样做了（只是再试了一次），差别可以忽略不计，就像对thread（）的调用一样无论如何，调用新的。虽然这很好——但我也可以向您保证，这不会影响性能。谢谢。这一定是答案，但您不会认为它需要在外部for循环周围使用#pragma吗？另外，您怎么知道事实上——我在文档中没有看到有关它的信息，即使是在链接的站点中。我相信你是对的，我只是想备份信息。事实上，我从来没有读过他们这样做。查看第二个链接，里面有一些讨论。我可以尝试找到更可靠的文档，我知道我在某处已经明确地读过。这是关于它的另一个讨论。基本上，它实际上不是由OpenMP sta定义的标准，但大多数平台上的大多数实现似乎都能做到这一点，如果它更高效的话。再次感谢：）。我想它一定是线程池，但我只是惊讶地在任何地方都找不到它。在进一步查找之后，我发现了。我将在非intel机器上尝试它，看看它是否仍然成立。你比我先这么做了--它看起来确实基本上在所有实现中都是这样。PS。我可以确认，在AMD机器上也存在差异s