OpenMP之并行程序开发设计
1、什么是OpenMP呢？
OpenMP是一种API(应用程序接口/一个支持共享存储并行设计的库，适合于多核CPU上的并行程序开发设计)。作为单机多核心共享内存并行编程的开发工具，编码简洁，容易上手。
线程的查看方式：这个工具是visual studio自带的，请在调试状态下，通过菜单“调试”=》“窗口”=》“线程”。
2、如何进行并行处理？
首先，并行处理的基本操作方法：首先在For循环中加入打印语句判断是否多核执行，然后判断系统确实是多核执行后，在For循环中加入等待函数sleep，运行程序并计时，判断双核乃至四核机器的并行时间是否是串行的2倍，4倍。
总共分2步：
(1) 新建一个工程。这个不再多讲。
(2) 建立工程后，点击 菜单栏->Project->Properties，弹出菜单里，点击 Configuration Properties(配置属性)->C/C++->Language->OpenMP Support，在下拉菜单里选择Yes。
程序员在编程时，只需要在特定的源代码片段的前面加入OpenMP专用的#pargma omp预编译指令，就可以“通知”编译器将该段程序自动进行并行化处理，并且在必要的时候加入线程同步及通信机制。
标准并行模式执行代码的基本思想是，程序开始时只有一个主线程，程序中的串行部分都由主线程执行，并行的部分是通过派生其他线程来执行，但是如果并行部分没有结束时是不会执行串行部分的（即先由其它线程进行并行处理，然后由主线程进行串行操作）。这就是标准的并行模式fork/join式并行模式，共享存储式并行程序就是使用fork/join式并行的，OpenMP亦是如此。。
3、在进行相加(或其他简单运算)运算时需要注意什么？
OpenMP为我们提供了另一个工具，归约(reduction)：在#pragma omp parallel for 后面加上了 reduction(+:sum)，它的意思是告诉编译器：下面的for循环你要分成多个线程跑，但每个线程都要保存变量sum的拷贝，循环结束后，所有线程把自己的sum累加起来作为最后的输出。
#include
int main(){
int sum = 0;
int a[10] = {1,2,3,4,5,6,7,8,9,10};
#pragma omp parallel for reduction(+:sum)
for (int i=0;i<10;i++)
sum = sum + a[i];
std::cout<<"sum: "< reduction虽然很方便，但它只支持一些基本操作，比如+,-,*,&,|,&&,||等。
4、处理for循环
在C/C++中，OpenMP指令使用的格式为:#pragma omp 指令 [子句[子句]…]
在这里，for必须与parallel结合成parallel才可以。
#pragma omp parallel for
for(i=0;i
{
//没有循环迭代相关的语句,如把图像数组中的RGB值转为灰度值。
}
如果一次性进入一个并行段，并直接对其进行工作拆分。并且，由于以下代码进入并行段的流程仅执行一次，这样比对两个for循环使用一次并行操作运行速度更快。
#pragma omp parallel{
#pragma omp for
for (i=0; i理想情况下，应用的所有关键性能部分（也称为热点）都将在并行段中执行。
5、处理区段sections
section语句是用在sections语句里用来将sections语句里的代码划分成几个不同的段，每段都并行执行。用法如下：
#pragma omp [parallel] sections [子句]
{
#pragma omp section
{
代码块
}
#pragma omp section
{
代码块
}
}“section” 结构指示 OpenMP 将应用的已识别段分配到多个线程上。下面的示例中便使用了工作共享来处理循环和区段：
#pragma omp parallel{ //创建一组线程
#pragma omp for //将循环迭代分配到其中
for (i=0; i在这里，OpenMP 首先创建了一组线程，然后将循环迭代分配到其中。循环结束后，区段被分配到线程中，从而可使每条线程与其它线程精确地并行执行一次。如果程序包括的区段数量多于线程数，则剩余的区段将在线程处理完前面的区段之后再行调度。与循环迭代不同，OpenMP 将完全控制线程执行区段的方式、时间和顺序。但是，您仍然可以通过与循环结构相同的方式使用“私有”和“减少”子句，来控制变量的分享或私有属性。
举例：
void main(int argc, char *argv)
{
#pragma omp parallel sections {
#pragma omp section
printf(“section 1 ThreadId = %d/n”, omp_get_thread_num());
#pragma omp section
printf(“section 2 ThreadId = %d/n”, omp_get_thread_num());
#pragma omp section
printf(“section 3 ThreadId = %d/n”, omp_get_thread_num());
#pragma omp section
printf(“section 4 ThreadId = %d/n”, omp_get_thread_num());
}执行后将打印出以下结果：
section 1 ThreadId = 0
section 2 ThreadId = 2
section 4 ThreadId = 3
section 3 ThreadId = 1
使用section语句时，需要注意的是这种方式需要保证各个section里的代码执行时间相差不大，否则某个section执行时间比其他section过长就达不到并行执行的效果了。
上面的代码也可以改写成以下形式：
void main(int argc, char *argv)
{
#pragma omp parallel {
#pragma omp sections
{
#pragma omp section
printf(“section 1 ThreadId = %d/n”, omp_get_thread_num());
#pragma omp section
printf(“section 2 ThreadId = %d/n”, omp_get_thread_num());
}
#pragma omp sections
{
#pragma omp section
printf(“section 3 ThreadId = %d/n”, omp_get_thread_num());
#pragma omp section
printf(“section 4 ThreadId = %d/n”, omp_get_thread_num());
}
}执行后将打印出以下结果：
section 1 ThreadId = 0
section 2 ThreadId = 3
section 3 ThreadId = 3
section 4 ThreadId = 1
这种方式和前面那种方式的区别是，两个sections语句是串行执行的，即第二个sections语句里的代码要等第一个sections语句里的代码执行完后才能执行。
推荐几个网站：
OpenMP的数据处理子句：http://blog.csdn.net/drzhouweiming/article/details/2033276
资料集锦：http://blog.csdn.net/drzhouweiming/article/details/4093624
详解及实例：http://blog.sina.com.cn/s/blog_66474b160100z15b.html
实例解析：http://www.cnblogs.com/yangyangcv/archive/2012/03/23/2413335.html