C++；给出不同结果的多线程 我在C++中有点多线程，我只是尝试使用OMP来完成一些简单的for循环。具体来说，对于此函数，用户指定大小n的数组将填充0到99（包括0到99）之间的随机整数。然后使用正常的for循环和pragma omp parallel for循环计算该数组的和。由于某种原因，当n变大时，函数返回的结果不同。例如，当n=10时，输出如下： REGULAR FOR LOOP SUM: 1216 REGULAR FOR LOOP RUNNING TIME: 0.000003 OMP FOR LOOP SUM: 1216 OMP FOR LOOP RUNNING TIME: 0.000205 REGULAR FOR LOOP SUM: 4946 REGULAR FOR LOOP RUNNING TIME: 0.000003 OMP FOR LOOP SUM: 3999 OMP FOR LOOP RUNNING TIME: 0.000247

当

n=100

时，输出如下：

REGULAR FOR LOOP SUM: 1216
REGULAR FOR LOOP RUNNING TIME: 0.000003

OMP FOR LOOP SUM: 1216
OMP FOR LOOP RUNNING TIME: 0.000205

REGULAR FOR LOOP SUM: 4946
REGULAR FOR LOOP RUNNING TIME: 0.000003

OMP FOR LOOP SUM: 3999
OMP FOR LOOP RUNNING TIME: 0.000247

这是我的

常规for循环的代码

：

int sum = 0;
  for(int i = 0; i < n; i++) {
    sum += A[i];
  }
  return(sum);

int sum = 0;
  int i;
#pragma omp parallel shared(A, n) private(i) num_threads(4)
  {
    #pragma omp for
    for(i = 0; i < n; i++) {
      sum += A[i];
    }
  }
  return(sum);

---

为什么

OMP FOR LOOP

为

n=100

返回不同的总和？另外，为什么

OMP for LOOP

的运行时间大于

REGULAR for LOOP

？多线程不是减少运行时间的关键吗？

对于

sum

，您有一个竞争条件：

sum += A[i];

在这里，多线程从

sum

读取数据并从中写入一个新值。如果另一个线程基于一个即将被另一个线程覆盖的值执行其增量，则可能会丢失一些增量

---

这里需要互斥或使用原子增量。

对于第二部分，在使用OMP时，必须生成新线程，这会增加开销。多线程只有在开销小于仅执行循环的成本时才具有优势。尝试数十亿的数字，你可能会得到不同。也就是说，在矢量化的情况下，一个简单的循环在某种程度上已经是并行的了。这两个数组之间的数组是否相同？如果省略了必需的reduce子句any，则该问题可能会被重新表述为为什么不使用reduce子句。如果您对获得性能感兴趣，那么问题会变得更加复杂。即使在循环计数为100的情况下，simd优化也可能无法实现，omp并行可能会失去性能。对于仅依赖于编译器的simd优化，omp simd缩减可能无法像自动矢量化那样工作。@Zulan对此的公认答案实际上是可行的。看来削减条款是必要的。