Openmp omp并行与omp并行

这两者有什么区别

[A]

#pragma omp并行
{ 
#pragma omp for
对于（int i=1；i<100；++i）
{
...
}
}

[乙]

#pragma omp parallel for
对于（int i=1；i<100；++i）
{
...
}

我不认为有什么区别，一个是另一个的捷径。尽管您的具体实现可能会以不同的方式处理它们

组合的并行工作共享构件是 指定包含一个工作共享构件的并行构件 没有其他声明。允许条款是这些条款的结合 允许并行和工作共享施工

取自

OpenMP的规格如下所示：

这些是等效的

---

#pragma omp parallel

生成一组线程，而

#pragma omp for

在生成的线程之间划分循环迭代。您可以使用fused

#pragma omp parallel for

指令同时完成这两件事。

在g++4.7.0中使用for循环时，我看到了截然不同的运行时 和使用

std::vector<double> x;
std::vector<double> y;
std::vector<double> prod;

for (int i = 0; i < 5000000; i++)
{
   double r1 = ((double)rand() / double(RAND_MAX)) * 5;
   double r2 = ((double)rand() / double(RAND_MAX)) * 5;
   x.push_back(r1);
   y.push_back(r2);
}

int sz = x.size();

#pragma omp parallel for

for (int i = 0; i< sz; i++)
   prod[i] = x[i] * y[i];

std:：向量x；
std：：向量y；
std：：向量prod；
对于（int i=0；i<5000000；i++）
{
double r1=（（双）rand（）/double（rand_MAX））*5；
双r2=（（双）兰德（）/双（兰德最大值））*5；
x、 推回（r1）；
y、 推回（r2）；
}
int sz=x.size（）；
#pragma-omp并行
对于（int i=0；i

串行代码（无

openmp

）运行79毫秒。 “parallel for”代码运行时间为29毫秒。 如果我省略的

，并使用
#pragma omp parallel
，则运行时将达到179ms，
这比串行代码慢。（机器的hw并发性为8）

代码链接到
libgomp
，这里是使用分离的
并行
和
的示例。简而言之，它可以用于在多个线程中执行
for
cycle之前动态分配OpenMP线程专用阵列。
对于
情况，不可能在
并行中执行相同的初始化

UPD：
在问题示例中，单个pragma和两个pragma之间没有区别。但在实践中，您可以使用分离的并行和for指令来实现更多的线程感知行为。
一些代码，例如：

#pragma omp parallel
{ 
    double *data = (double*)malloc(...); // this data is thread private

    #pragma omp for
    for(1...100) // first parallelized cycle
    {
    }

    #pragma omp single 
    {} // make some single thread processing

    #pragma omp for // second parallelized cycle
    for(1...100)
    {
    }

    #pragma omp single 
    {} // make some single thread processing again

    free(data); // free thread private data
}

尽管具体示例的两个版本是等效的，正如其他答案中已经提到的，但它们之间仍然有一个小的区别。第一个版本包括“omp for”结尾处遇到的不必要的隐式障碍。另一个隐式势垒位于平行区域的末端。至少从OpenMP的角度来看，将“nowait”添加到“omp for”将使这两个代码等效。我之所以提到这一点，是因为OpenMP编译器可以为这两种情况生成稍有不同的代码。
显然有很多答案，但这一个答案很好地解决了这一问题（源代码）

#pragma omp for
仅为
当前团队中的不同线程。团队是线程组
执行程序。在项目开始时，团队仅由一名
单个成员：运行程序的主线程

要创建新的线程组，需要指定并行线程
关键词。可以在周围的上下文中指定：

#pragma omp parallel
{
   #pragma omp for
   for(int n = 0; n < 10; ++n)
   printf(" %d", n);
}

#pragma omp并行
{
#pragma omp for
对于（int n=0；n<10；++n）
printf（“%d”，n）；
}

以及：

什么是：平行，为和一个团队
平行线之间的区别，
与之平行的如下所示：

团队是一组线程
当前正在执行的。在项目开始时，团队由以下人员组成：
一根线。并行构造将当前线程拆分为
下一个块/语句期间的新线程组，
之后，团队合并为一个团队。因为他把工作分成两部分
在当前团队的线程之间进行for循环

它不会创建
线程，它只在当前
执行团队。parallel for是同时表示两个命令的缩写：
平行和平行。Parallel创建了一个新团队，对于拆分
团队负责处理循环的不同部分。如果你的程序从来没有
包含一个并行构造，没有多个线程；
启动并运行程序的主线程，如中所示
非线程程序

TL；DR:唯一的区别是第一个代码调用两个隐式屏障，而第二个代码只调用一个


参考官方OpenMP 5.1标准的更详细答案。


#pragma omp parallel
：

将创建一个
并行区域
，其中包含一组
线程
，每个线程将执行
并行区域
包含的整个代码块

从中可以看到更正式的描述：

当一个线程遇到一个并行构造时，一个线程组被激活
创建以执行并行区域（..）。这个
遇到并行构造的线程成为主线程
新团队的线程，在持续时间内线程数为零
新的平行区域新团队中的所有线程，包括
主线程，执行区域。创建团队后
团队中的线程数在任务期间保持不变
平行区域

委员会：

#pragma omp parallel for

将创建一个
并行区域
（如前所述），并将使用
默认块大小
和
默认调度
（通常为
静态
）为该区域的
线程
分配它所包含的循环迭代。忍受
#pragma omp parallel
{ 
    double *data = (double*)malloc(...); // this data is thread private

    #pragma omp for
    for(1...100) // first parallelized cycle
    {
    }

    #pragma omp single 
    {} // make some single thread processing

    #pragma omp for // second parallelized cycle
    for(1...100)
    {
    }

    #pragma omp single 
    {} // make some single thread processing again

    free(data); // free thread private data
}

#pragma omp parallel
{
   #pragma omp for
   for(int n = 0; n < 10; ++n)
   printf(" %d", n);
}

for(int i=omp_get_thread_num(); i < n; i+=omp_get_num_threads())
{  
    //...
}