按照百科上说的，针对于openmp的编程，最简单的就是在开头加个#include<omp.h>，然后在后面的for上加一行#pragma omp parallel for即可，下面的是较为详细的介绍了openmp的入门。
OpenMP：OpenMp是由OpenMP Architecture Review Board牵头提出的，并已被广泛接受的，用于共享内存并行系统的多线程程序设计的一套指导性的编译处理方案(Compiler Directive)。
TBB：TBB,Thread Building Blocks,线程构建模块，是Intel公司开发的并行编程开发的工具。
MPI：MPI是一个跨语言的通讯协议，用于编写并行计算机。支持点对点和广播。MPI是一个信息传递应用程序接口，包括协议和和语义说明，他们指明其如何在各种实现中发挥其特性。MPI的目标是高性能，大规模性，和可移植性。MPI在今天仍为高性能计算的主要模型。（可作为扩展阅读！）
下面的是转自博客园http://www.cnblogs.com/yangyangcv/archive/2012/03/23/2413335.html。
最近在看多核编程。简单来说，由于现在电脑CPU一般都有两个核，4核与8核的CPU也逐渐走入了寻常百姓家，传统的单线程编程方式难以发挥多核CPU的强大功能，于是多核编程应运而生。按照我的理解，多核编程可以认为是对多线程编程做了一定程度的抽象，提供一些简单的API，使得用户不必花费太多精力来了解多线程的底层知识，从而提高编程效率。这两天关注的多核编程的工具包括openMP和TBB。按照目前网上的讨论，TBB风头要盖过openMP，比如openCV过去是使用openMP的，但从2.3版本开始抛弃openMP，转向TBB。但我试下来，TBB还是比较复杂的，相比之下，openMP则非常容易上手。因为精力和时间有限，没办法花费太多时间去学习TBB，就在这里分享下这两天学到的openMP的一点知识，和大家共同讨论。
openMP支持的编程语言包括C语言、C++和Fortran，支持OpenMP的编译器包括Sun Studio，Intel Compiler，Microsoft Visual Studio，GCC。我使用的是Microsoft Visual Studio 2008，CPU为Intel i5 四核，首先讲一下在Microsoft Visual Studio 2008上openMP的配置。非常简单，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->C/C++->Language->OpenMP Support，在下拉菜单里选择Yes。
至此配置结束。下面我们通过一个小例子来说明openMP的易用性。这个例子是 有一个简单的test()函数，然后在main()里，用一个for循环把这个test()函数跑8遍。
1 #include <iostream> 2 #include <time.h> 3 void test() 4 { 5 int a = 0; 6 for (int i=0;i<100000000;i++) 7 a++; 8 } 9 int main()10 {11 clock_t t1 = clock();12 for (int i=0;i<8;i++)13 test();14 clock_t t2 = clock();15 std::cout<<"time: "<<t2-t1<<std::endl;16 }
编译运行后，打印出来的耗时为：1.971秒。下面我们用一句话把上面代码变成多核运行。
1 #include <iostream> 2 #include <time.h> 3 void test() 4 { 5 int a = 0; 6 for (int i=0;i<100000000;i++) 7 a++; 8 } 9 int main()10 {11 clock_t t1 = clock();12 #pragma omp parallel for13 for (int i=0;i<8;i++)14 test();15 clock_t t2 = clock();16 std::cout<<"time: "<<t2-t1<<std::endl;17 }
编译运行后，打印出来的耗时为：0.546秒，几乎为上面时间的1/4。
由此我们可以看到openMP的简单易用。在上面的代码里，我们一没有额外include头文件（个人：可以添加#include<omp.h>），二没有额外link库文件，只是在for循环前加了一句#pragma omp parallel for。而且这段代码在单核机器上，或者编译器没有将openMP设为Yes的机器上编译也不会报错，将自动忽略#pragma这行代码，然后按照传统单核串行的方式编译运行！我们唯一要多做的一步，是从C:\Program Files\Microsoft Visual Studio 9.0\VC\redist\x86\Microsoft.VC90.OPENMP和C:\Program Files\Microsoft Visual Studio 9.0\VC\redist\Debug_NonRedist\x86\Microsoft.VC90.DebugOpenMP目录下分别拷贝vcomp90d.dll和vcomp90.dll文件到工程文件当前目录下。（个人：对应自己的编译器的路径找，因为没涉及到自己的项目，只是测试了下而已，所以并没有做这一步复制的操作。）
对上面代码按照我的理解做个简单的剖析。
当编译器发现#pragma omp parallel for后，自动将下面的for循环分成N份，(N为电脑CPU核数)，然后把每份指派给一个核去执行，而且多核之间为并行执行。下面的代码验证了这种分析。
1 #include <iostream>2 int main()3 {4 #pragma omp parallel for5 for (int i=0;i<10;i++)6 std::cout<<i<<std::endl;7 return 0;8 }
会发现控制台打印出了0 3 4 5 8 9 6 7 1 2。注意：因为每个核之间是并行执行，所以每次执行时打印出的顺序可能都是不一样的。
下面我们来了谈谈竞态条件(race condition)的问题，这是所有多线程编程最棘手的问题。该问题可表述为，当多个线程并行执行时，有可能多个线程同时对某变量进行了读写操作，从而导致不可预知的结果。比如下面的例子，对于包含10个整型元素的数组a，我们用for循环求它各元素之和，并将结果保存在变量sum里。
1 #include <iostream> 2 int main() 3 { 4 int sum = 0; 5 int a[10] = {1,2,3,4,5,6,7,8,9,10}; 6 #pragma omp parallel for 7 for (int i=0;i<10;i++) 8 sum = sum + a[i]; 9 std::cout<<"sum: "<<sum<<std::endl;10 return 0;11 }
如果我们注释掉#pragma omp parallel for，让程序先按照传统串行的方式执行，很明显，sum = 55。但按照并行方式执行后，sum则会变成其他值，比如在某次运行过程中，sum = 49。其原因是，当某线程A执行sum = sum + a[i]的同时，另一线程B正好在更新sum，而此时A还在用旧的sum做累加，于是出现了错误。
那么用openMP怎么实现并行数组求和呢？下面我们先给出一个基本的解决方案。该方案的思想是，首先生成一个数组sumArray，其长度为并行执行的线程的个数(默认情况下，该个数等于CPU的核数)，在for循环里，让各个线程更新自己线程对应的sumArray里的元素，最后再将sumArray里的元素累加到sum里，代码如下
1 #include <iostream> 2 #include <omp.h> 3 int main(){ 4 int sum = 0; 5 int a[10] = {1,2,3,4,5,6,7,8,9,10}; 6 int coreNum = omp_get_num_procs();//获得处理器个数 7 int* sumArray = new int[coreNum];//对应处理器个数，先生成一个数组 8 for (int i=0;i<coreNum;i++)//将数组各元素初始化为0 9 sumArray[i] = 0;10 #pragma omp parallel for11 for (int i=0;i<10;i++)12 {13 int k = omp_get_thread_num();//获得每个线程的ID14 sumArray[k] = sumArray[k]+a[i];//对应的将每个线程上的数值独立相加15 }16 for (int i = 0;i<coreNum;i++)17 sum = sum + sumArray[i];18 std::cout<<"sum: "<<sum<<std::endl;19 return 0;20 }
需要注意的是，在上面代码里，我们用omp_get_num_procs()函数来获取处理器个数，用omp_get_thread_num()函数来获得每个线程的ID，为了使用这两个函数，我们需要include <omp.h>。
上面的代码虽然达到了目的，但它产生了较多的额外操作，比如要先生成数组sumArray，最后还要用一个for循环将它的各元素累加起来，有没有更简便的方式呢？答案是有，openMP为我们提供了另一个工具，归约(reduction)，见下面代码：
1 #include <iostream> 2 int main(){ 3 int sum = 0; 4 int a[10] = {1,2,3,4,5,6,7,8,9,10}; 5 #pragma omp parallel for reduction(+:sum) 6 for (int i=0;i<10;i++) 7 sum = sum + a[i]; 8 std::cout<<"sum: "<<sum<<std::endl; 9 return 0;10 }
上面代码里，我们在#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。
reduction虽然很方便，但它只支持一些基本操作，比如+,-,*,&,|,&&,||等。有些情况下，我们既要避免race condition，但涉及到的操作又超出了reduction的能力范围，应该怎么办呢？这就要用到openMP的另一个工具，critical。来看下面的例子，该例中我们求数组a的最大值，将结果保存在max里。
1 #include <iostream> 2 int main(){ 3 int max = 0; 4 int a[10] = {11,2,33,49,113,20,321,250,689,16}; 5 #pragma omp parallel for 6 for (int i=0;i<10;i++) 7 { 8 int temp = a[i]; 9 #pragma omp critical10 {11 if (temp > max)12 max = temp;13 }14 }15 std::cout<<"max: "<<max<<std::endl;16 return 0;17 }
上例中，for循环还是被自动分成N份来并行执行，但我们用#pragma omp critical将 if (temp > max) max = temp 括了起来，它的意思是：各个线程还是并行执行for里面的语句，但当你们执行到critical里面时，要注意有没有其他线程正在里面执行，如果有的话，要等其他线程执行完再进去执行。这样就避免了race condition问题，但显而易见，它的执行速度会变低，因为可能存在线程等待的情况。（个人：这个的使用和CUDA中的__syncthreads（）栅栏同步函数的功能一样）
有了以上基本知识，对我来说做很多事情都足够了。下面我们来看一个具体的应用例，从硬盘读入两幅图像，对这两幅图像分别提取特征点，特征点匹配，最后将图像与匹配特征点画出来。理解该例子需要一些图像处理的基本知识，我不在此详细介绍。另外，编译该例需要opencv，我用的版本是2.3.1，关于opencv的安装与配置也不在此介绍。我们首先来看传统串行编程的方式。
1 #include "opencv2/highgui/highgui.hpp" 2 #include "opencv2/features2d/features2d.hpp" 3 #include <iostream> 4 #include <omp.h> 5 int main( ){ 6 cv::SurfFeatureDetector detector( 400 ); 7 cv::SurfDescriptorExtractor extractor; 8 cv::BruteForceMatcher<cv::L2<float> > matcher; 9 std::vector< cv::DMatch > matches;10 cv::Mat im0,im1;11 std::vector<cv::KeyPoint> keypoints0,keypoints1;12 cv::Mat descriptors0, descriptors1;13 double t1 = omp_get_wtime( );14 //先处理第一幅图像15 im0 = cv::imread("rgb0.jpg", CV_LOAD_IMAGE_GRAYSCALE );16 detector.detect( im0, keypoints0);17 extractor.compute( im0,keypoints0,descriptors0);18 std::cout<<"find "<<keypoints0.size()<<"keypoints in im0"<<std::endl;19 //再处理第二幅图像20 im1 = cv::imread("rgb1.jpg", CV_LOAD_IMAGE_GRAYSCALE );21 detector.detect( im1, keypoints1);22 extractor.compute( im1,keypoints1,descriptors1);23 std::cout<<"find "<<keypoints1.size()<<"keypoints in im1"<<std::endl;24 double t2 = omp_get_wtime( );25 std::cout<<"time: "<<t2-t1<<std::endl;26 matcher.match( descriptors0, descriptors1, matches );27 cv::Mat img_matches;28 cv::drawMatches( im0, keypoints0, im1, keypoints1, matches, img_matches ); 29 cv::namedWindow("Matches",CV_WINDOW_AUTOSIZE);30 cv::imshow( "Matches", img_matches );31 cv::waitKey(0);32 return 1;33 }
很明显，读入图像，提取特征点与特征描述子这部分可以改为并行执行，修改如下：
1 #include "opencv2/highgui/highgui.hpp" 2 #include "opencv2/features2d/features2d.hpp" 3 #include <iostream> 4 #include <vector> 5 #include <omp.h> 6 int main( ){ 7 int imNum = 2; 8 std::vector<cv::Mat> imVec(imNum); 9 std::vector<std::vector<cv::KeyPoint>>keypointVec(imNum);10 std::vector<cv::Mat> descriptorsVec(imNum);11 cv::SurfFeatureDetector detector( 400 ); cv::SurfDescriptorExtractor extractor;12 cv::BruteForceMatcher<cv::L2<float> > matcher;13 std::vector< cv::DMatch > matches;14 char filename[100];//图片路径15 double t1 = omp_get_wtime( );16 #pragma omp parallel for17 for (int i=0;i<imNum;i++){18 sprintf(filename,"rgb%d.jpg",i);//设置第i个图片的完整名称19 imVec[i] = cv::imread( filename, CV_LOAD_IMAGE_GRAYSCALE );20 detector.detect( imVec[i], keypointVec[i] );21 extractor.compute( imVec[i],keypointVec[i],descriptorsVec[i]);22 std::cout<<"find "<<keypointVec[i].size()<<"keypoints in im"<<i<<std::endl;23 }24 double t2 = omp_get_wtime( );25 std::cout<<"time: "<<t2-t1<<std::endl;26 matcher.match( descriptorsVec[0], descriptorsVec[1], matches );27 cv::Mat img_matches;28 cv::drawMatches( imVec[0], keypointVec[0], imVec[1], keypointVec[1], matches, img_matches ); 29 cv::namedWindow("Matches",CV_WINDOW_AUTOSIZE);30 cv::imshow( "Matches", img_matches );31 cv::waitKey(0);32 return 1;33 }
两种执行方式做比较，时间为：2.343秒v.s. 1.2441秒
在上面代码中，为了改成适合#pragma omp parallel for执行的方式，我们用了STL的vector来分别存放两幅图像、特征点与特征描述子，但在某些情况下，变量可能不适合放在vector里，此时应该怎么办呢？这就要用到openMP的另一个工具，section，代码如下：
1 #include "opencv2/highgui/highgui.hpp" 2 #include "opencv2/features2d/features2d.hpp" 3 #include <iostream> 4 #include <omp.h> 5 int main( ){ 6 cv::SurfFeatureDetector detector( 400 ); cv::SurfDescriptorExtractor extractor; 7 cv::BruteForceMatcher<cv::L2<float> > matcher; 8 std::vector< cv::DMatch > matches; 9 cv::Mat im0,im1;10 std::vector<cv::KeyPoint> keypoints0,keypoints1;11 cv::Mat descriptors0, descriptors1;12 double t1 = omp_get_wtime( );13 #pragma omp parallel sections14 {15 #pragma omp section16 {17 std::cout<<"processing im0"<<std::endl;18 im0 = cv::imread("rgb0.jpg", CV_LOAD_IMAGE_GRAYSCALE );19 detector.detect( im0, keypoints0);20 extractor.compute( im0,keypoints0,descriptors0);21 std::cout<<"find "<<keypoints0.size()<<"keypoints in im0"<<std::endl;22 }23 #pragma omp section24 {25 std::cout<<"processing im1"<<std::endl;26 im1 = cv::imread("rgb1.jpg", CV_LOAD_IMAGE_GRAYSCALE );27 detector.detect( im1, keypoints1);28 extractor.compute( im1,keypoints1,descriptors1);29 std::cout<<"find "<<keypoints1.size()<<"keypoints in im1"<<std::endl;30 }31 }32 double t2 = omp_get_wtime( );33 std::cout<<"time: "<<t2-t1<<std::endl;34 matcher.match( descriptors0, descriptors1, matches );35 cv::Mat img_matches;36 cv::drawMatches( im0, keypoints0, im1, keypoints1, matches, img_matches ); 37 cv::namedWindow("Matches",CV_WINDOW_AUTOSIZE);38 cv::imshow( "Matches", img_matches );39 cv::waitKey(0);40 return 1;41 }
上面代码中，我们首先用#pragma omp parallel sections将要并行执行的内容括起来，在它里面，用了两个#pragma omp section，每个里面执行了图像读取、特征点与特征描述子提取。将其简化为伪代码形式即为：
1 #pragma omp parallel sections 2 { 3 #pragma omp section 4 { 5 function1(); 6 } 7 #pragma omp section 8 { 9 function2();10 }11 }
意思是：parallel sections里面的内容要并行执行，具体分工上，每个线程执行其中的一个section，如果section数大于线程数，那么就等某线程执行完它的section后，再继续执行剩下的section。在时间上，这种方式与人为用vector构造for循环的方式差不多，但无疑该种方式更方便，而且在单核机器上或没有开启openMP的编译器上，该种方式不需任何改动即可正确编译，并按照单核串行方式执行。
以上分享了这两天关于openMP的一点学习体会，其中难免有错误，欢迎指正。另外的一点疑问是，看到各种openMP教程里经常用到private,shared等来修饰变量，这些修饰符的意义和作用我大致明白，但在我上面所有例子中，不加这些修饰符似乎并不影响运行结果，不知道这里面有哪些讲究。
在写上文的过程中，参考了包括以下两个网址在内的多个地方的资源，不再一 一列出，在此一并表示感谢。
http://blog.csdn.net/drzhouweiming/article/details/4093624
http://software.intel.com/zh-cn/articles/more-work-sharing-with-openmp
该博文下面有几个有价值的问题：
[1] 采用clock()计时，并行比串行时间还长。本人试验了别的计时方式，效果还可以。可以参看博文《CentOS6中OpenMP的运行时间或运行性能分析》
http://www.cnblogs.com/diploma/p/openmpclock_gettime.html
[2]