Question

这两者有什么区别？

[A]

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

[B]

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

Answer 1

我认为没有任何区别，一个是另一个的捷径。虽然您的确切实施可能会以不同方式处理它们

组合的并行工作共享结构是一种快捷方式指定包含一个工作共享构造的并行构造而且没有其他声明。允许的条款是条款的结合允许并行和工作共享结构。

取自http://www.openmp.org/mp-documents/OpenMP3.0-SummarySpec.pdf

OpenMP的规范如下：

https://openmp.org/specifications/

Answer 2

这些是等效的。

#pragma omp parallel产生一组线程，而#pragma omp for在产生的线程之间划分循环迭代。您可以使用融合的#pragma omp parallel for指令同时执行这两项操作。

Answer 3

以下是使用分隔parallel和for here的示例。简而言之，它可以在多个线程中执行for循环之前用于动态分配OpenMP线程专用数组。在parallel for案例中进行相同的初始化是不可能的。

UPD：在问题示例中，单个pragma和两个pragma之间没有区别。但实际上，您可以使用分离的parallel和for指令来创建更多线程感知行为。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
}

Answer 4

虽然具体示例的两个版本都是等效的，但正如其他答案中已经提到的那样，它们之间仍然存在一个小的差异。第一个版本包含一个不必要的隐含障碍，在＆＃34; omp结束时遇到＆＃34;。可以在并行区域的末尾找到另一个隐式屏障。添加＆＃34; nowait＆＃34; ＆＃34; omp for＆＃34;会使两个代码等效，至少从OpenMP的角度来看。我之所以提到这一点，是因为OpenMP编译器可能会为这两种情况生成略有不同的代码。

Answer 5

当我在g ++ 4.7.0中进行for循环时，我看到了截然不同的运行时并使用

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];

串行代码（无openmp）在79毫秒内运行。 “并行”代码在29毫秒内运行。如果我省略for并使用#pragma omp parallel，则运行时最长可达179毫秒，这比串行代码慢。（该机器的并发性为8）

代码链接到libgomp

Answer 6

显然有很多答案，但是这个答案很好（带有源代码）

#pragma omp for仅将循环的一部分委派给   当前团队中的不同线程。团队是线程组   执行程序。在计划开始时，团队仅包含一个   单个成员：运行程序的主线程。

要创建新的线程组，您需要指定并行   关键词。可以在周围的上下文中指定它：
#pragma omp parallel
{
   #pragma omp for
   for(int n = 0; n < 10; ++n)
   printf(" %d", n);
}

和：

什么是：平行的，为了和一个团队

平行，   和for并行，如下所示：

团队是线程组   当前执行的。在计划开始时，团队包括   一个线程。并行构造将当前线程拆分为一个   在下一个阻止/声明的持续时间内有新的线程组，   之后，团队合并为一体。为划分工作   在当前团队的线程中进行循环。

它不会创建   线程，它仅将工作分配给当前线程   执行团队。 parallel for是一次两个命令的简写：   并行和。 Parallel创建了一个新团队，并进行了分组   团队来处理循环的不同部分。如果您的程序从未   包含一个并行构造，线程永远不止一个；   启动程序并运行它的主线程，如   非线程程序。

https://bisqwit.iki.fi/story/howto/openmp/

Answer 7

TL;DR：唯一的区别在于第一个代码调用了两个隐式障碍，而第二个代码只调用了一个。

使用官方 OpenMP 5.1 标准作为参考的更详细答案。

#pragma omp parallel：

将创建一个由 parallel region 组成的团队的 threads，其中每个线程将执行 parallel region 包含的整个代码块。

从 OpenMP 5.1 可以阅读更正式的描述：

<块引用>

当一个线程遇到并行结构时，一组线程创建以执行并行区域 (..)。这遇到并行构造的线程成为主线程新团队的线程，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，团队中的线程数在持续时间内保持不变那个平行区域。

：

#pragma omp parallel for

将创建一个 parallel region（如前所述），并且将使用 threads 将其包含的循环的迭代分配给该区域的 default chunk size，并且default schedule 这是通常 static。但是请记住，default schedule 可能因 OpenMP 标准的不同具体实现而异。

您可以从 OpenMP 5.1 中阅读更正式的描述：

<块引用>

worksharing-loop 结构指定一个或更多关联的循环将由线程并行执行团队在他们隐性任务的背景下。 迭代是分布在团队中已经存在的线程中执行工作共享循环区域所在的并行区域绑定。

Moreover,

<块引用>

并行循环结构是指定并行循环的快捷方式包含具有一个或多个关联的循环结构的结构循环，没有其他语句。

或者非正式地说，#pragma omp parallel for 是构造函数 #pragma omp parallel 和 #pragma omp for 的组合。

您拥有的带有 chunk_size=1 和 static schedule 的两个版本都会导致类似：

在代码方面，循环将被转换为逻辑上类似于：

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

哪里omp_get_thread_num()

<块引用>

omp_get_thread_num 例程返回线程号，在调用线程的当前团队。

和omp_get_num_threads()

<块引用>

返回当前团队中的线程数。在一个连续的 omp_get_num_threads 程序部分返回 1。

或者换句话说，for(int i = THREAD_ID; i < n; i += TOTAL_THREADS)。其中 THREAD_ID 的范围从 0 到 TOTAL_THREADS - 1，TOTAL_THREADS 表示在并行区域上创建的团队线程总数。

omp parallel与omp parallel for

7 个答案:

什么是：平行的，为了和一个团队