最近开始学习并行编程，目的是为了提高图像处理的运行速度，用的是VS2012自带的OpenMP。
如何让自己的编译器支持OpenMP: 1) 点击 项目属性页 2）点击 配置 3）点击 [C/C++] 4）点击 语言 5）选中OpenMP支持
OpenMP 的构成：编译器指令 + 运行时例程；
编译器指令： 以 #pragma omp 开头，用以告知编译器哪一段代码需要并行。
运行时例程：必须包括omp.h 设置和获取执行环境相关的信息，也包括一系列用以同步的API；
编译器指令格式如下： #pragma omp <directive> [clause[ [,] clause]…] #pragma omp <指令> [子句，子句....]
dierctive（指令）包含如下几种：parallel，for，parallel for，section，sections，single，master，criticle，flush，ordered和atomic。这些指令指定要么是用以工作共享要么是用以同步。
对指令而言，子句是可选的，子句可以影响到指令的行为。五个指令（master，cirticle，flush，ordered和atomic）不能使用子句！！
最常用，最重要的指令： parallel
parallel：这条指令为动态长度的结构化程序块创建一个并行区域。
这条指令告知编译器这一程序块应被多线程并行执行。每一条指令都执行一样的指令流，但可能不是完全相同的指令集合。这可能依赖于if-else这样的控制流语句
int i = 0;
#pragma omp parallel
{
i++;
printf(" %d ",i);
}
Sleep(10000);
这一段代码的输出可以判断自己的电脑是几个核的；
#pragma omp for:工作共享指令 告诉OpenMP将紧随的for循环的迭代工作分给线程组并行处理;
如
#pragma omp parallel
{
#pragma omp for
for(int i = 1; i < size; ++i)
x[i] = (y[i-1] + y[i+1])/2;
}
//下面一段代码是上面一段代码的简写
#pragma omp parallel for
for(int i = 1; i < size; ++i)
x[i] = (y[i-1] + y[i+1])/2;
这一程序在并行区域的结束处需要同步，即所有的线程将阻塞在并行区域结束处，直到所有线程都完成。
注意：：：
如果前面的代码没有使用#pragma omp for指令，那么每一个线程都将完全执行这个循环，造成的后果就是线程冗余计算；
要使用并行循环，必须你必须确保没有循环依赖，即循环中的某一次迭代不依赖于其它迭代的结果。
另外，OpenMP对在#pragma omp for或#pragma omp parallel for里的循环体有形式上的限制，循环必须使用下面的形式：
for([integer type] i = loop invariant value;
i {<,>,=,<=,>=} loop invariant value;
i {+,-}= loop invariant value)
这样OpenMP才能知道在进入循环时需要执行多少次迭代。
共享数据与私有数据：
OpenMP让共享和私有的差别显而易见，并且你能手动干涉。
共享变量在线程组内的所有线程间共享。因此在并行区域里某一条线程改变的共享变量可能被其它线程访问。反过来说，在线程组的线程都拥有一份私有变量的拷贝，所以在某一线程中改变私有变量对于其它线程是不可访问的。
默认地，并行区域的所有变量都是共享的。
除非如下三种特别情况：
一、在并行for循环中，循环变量是私有的。
如下里面的例子，变量i是私有的，变量j默认是共享的，但使用了firstprivate子句将其声明为私有的。
#pragma omp parallel
{
#pragma omp for firstprivate(j) lastprivate(i) reduction(+: sum)//变量i,j和sum是线程组里每一个线程的私有变量，它们将被拷贝到每一个线程。
for(i = 0; i < count; ++i)
{
int doubleI = 2 * i;
for(; j < doubleI; ++j)
{
sum += myMatrix.GetElement(i, j);
}
}
}
二、并行区域代码块里的本地变量是私有的。
三、所有通过private，firstprivate，lastprivate和reduction子句声明的变量为私有变量。
这四个子句每个都有一序列的变量，但它们的语义完全不同。private子句说明变量序列里的每一个变量都应该为每一条线程作私有拷贝。这些私有拷贝将被初始化为默认值（使用适当的构造函数），例如int型的变量的默认值是０。
firstprivate有着与private一样的语义外，它使用拷贝构造函数在线程进入并行区域之前拷贝私有变量。
lastprivate有着与private一样的语义外，在工作共享结构里的最后一次迭代或者代码段执行之后，lastprivate子句的变量序列里的值将赋值给主线程的同名变量，如果合适，在这里使用拷贝赋值操作符来拷贝对象。
reduction与private的语义相近，但它同时接受变量和操作符(可接受的操作符被限制为图４列出的这几种之一)，并且reduction变量必须为标量变量（如浮点型、整型、长整型，但不可为std::vector，int[]等）。reduction变量初始化为图４表中所示的值。在代码块的结束处，为变量的私有拷贝和变量原值一起应用reduction操作符。
循环嵌套：
omp_set_nested()用于设置是否允许OpenMP进行嵌套并行，默认的设置为false。
什么是嵌套并行？就是在并行区域中嵌套另一个并行区域，如下：
#pragma omp parallel num_threads(5)
{
#pragma omp parallel num_threads(5) {/*do sth */}
}
该如何执行？是执行5次？还是5×5次？这就是由是否嵌套并行来决定的，默认设置为不允许(false)，所以会执行5次。
int main()
{
omp_set_nested(10); // none zero value is OK!
#pragma omp parallel num_threads(2)
{
printf("ID: %d, Max threads: %d, Num threads: %d \n",omp_get_thread_num(), omp_get_max_threads(), omp_get_num_threads());
#pragma omp parallel num_threads(5)
printf("Nested, ID: %d, Max threads: %d, Num threads: %d \n",omp_get_thread_num(), omp_get_max_threads(), omp_get_num_threads());
}
return 0;
}
由调试结果可以看出来，运行过程中，先生成两个线程，再由这个两个线程各分出五个线程。
omp_get_thread_num，获取的ID是在当前嵌套层所在的线程组的ID。
omp_get_num_threads，获取的也是当前所在层的线程组的线程数量。
omp_get_max_threads，与线程的数量和执行等都无关，这是一个可以分析出来的值。
非循环并行
OpenMP经常用以循环层并行，但它同样支持函数层并行，这个机制称为OpenMP sections。sections的结构是简明易懂的，并且很多例子都证明它相当有用。
#pragma omp parallel sections
{
#pragma omp section
//......一个并行区域
#pragma omp section
//......另一个并行区域
}
参考链接：http://blog.csdn.net/augusdi/article/details/8807699
http://blog.csdn.net/gzlaiyonghao/article/details/1503817
http://blog.csdn.net/augusdi/article/details/8807119