C++ 使用OpenMP线程重新初始化向量是否更快？

我正在使用OpenMP库进行并行计算。我使用C++向量，其大小通常为1×10 ^ 5的顺序。在进行迭代过程中，我需要将这些大向量（不是线程私有的，而是全局范围）重新初始化为初始值。使用#pragma-omp-for或#pragma-omp-single哪种方法更快

>一般的答案需要“取决于，你必须测量”，因为C++中的初始化可以根据类型、琐碎或非常昂贵而定。您没有提供太多的细节，因此只能猜测一点。
如果一个类有一个非常昂贵的构造函数，那么并行化工作可能非常值得

您的特定措辞“初始化为值”表明您的向量包含POD（例如，整数？）。我假设情况就是这样

假设这样，并行化几乎肯定不会更快。此操作受内存带宽的限制，一个CPU线程应该能够将内存带宽饱和到大约99%

---

然而，并行化可能会很慢，这是由于几个原因（我不打算详细说明，可以说它不太可能更快）。

假设对基本数据类型进行简单初始化，初始化本身将受到内存或缓存带宽的限制。然而，在现代系统上，您必须使用多个线程来充分利用内存和缓存带宽。例如，看一看，前两行比较并行与单线程缓存，最后两行比较并行与单线程主内存带宽。在面向高性能的系统上，特别是在具有多个套接字的系统上，更多的线程对于利用可用带宽非常重要

但是，重新初始化的性能并不是您应该关心的唯一问题。例如，假设双精度浮点数，10e5个元素等于800KB内存，可以放入缓存。为了提高整体性能，您应该尝试确保在初始化之后，数据位于靠近稍后访问数据的核心的缓存中。在NUMA系统中（多个插槽可以更快地访问其本地内存），这一点更为重要

如果您同时初始化共享内存，请确保不要从不同的内核写入相同的缓存线，并尝试保持访问模式的规则性，以避免混淆预取器和CPU的其他巧妙魔力

一般建议是：从一个简单的实现开始，然后分析您的应用程序，以了解瓶颈实际在哪里。不要投资于复杂的、难以维护的、特定于系统的优化，这些优化可能只会影响整个运行时代码的一小部分。如果这是应用程序的瓶颈，并且硬件资源没有得到很好的利用，那么您需要了解底层硬件（本地/共享缓存、NUMA、预取器）的性能特征并相应地调整代码。

一个CPU线程应该能够将内存带宽饱和到大约99%。这是错误的。例如，见。