使用parallel指令只是产生了并行域，让多个线程分别执行
相同的任务
，并没有实际的使用价值。parallel for用于生成一个并行域，并将计算任务在多个线程之间分配，从而加快计算运行的速度。可以让系统默认分配线程个数，也可以使用num_threads子句指定线程个数。
2.parallel for时间问题
// OpenMPTest.cpp : 定义控制台应用程序的入口点。
#include "stdafx.h"
#include "omp.h"
#include <iostream>
using namespace std;
//void main()
//#pragma omp parallel for num_threads(6)
// //上面程序指定了6个线程，迭代量为12，每个线程都分配到了2次的迭代量
// //备注：如果for循环比较简单（执行时间短），不建议使用多线程并发，因为线程
// //间的调度也会比较耗时，是一个不小的开销。
// for (int i = 0; i < 12;i++)
// printf("OpenMP Test,线程编号为：%d\n", omp_get_thread_num());
// system("pause");
//OpenMP效率提升以及不同线程数效率对比
void test()
for (int i = 0; i < 80000; i++)
void main()
float startTime = omp_get_wtime();
//指定两个线程
#pragma omp parallel for num_threads(2)
for (int i = 0; i < 80000; i++)
test();
float endTime = omp_get_wtime();
printf("指定 2 个线程，执行时间: %f\n", endTime - startTime);
startTime = endTime;
//指定4个线程
#pragma omp parallel for num_threads(4)
for (int i = 0; i < 80000; i++)
test();
endTime = omp_get_wtime();
printf("指定 4 个线程，执行时间: %f\n", endTime - startTime);
startTime = endTime;
//指定8个线程
#pragma omp parallel for num_threads(8)
for (int i = 0; i < 80000; i++)
test();
endTime = omp_get_wtime();
printf("指定 8 个线程，执行时间: %f\n", endTime - startTime);
startTime = endTime;
//指定12个线程
#pragma omp parallel for num_threads(12)
for (int i = 0; i < 80000; i++)
test();
endTime = omp_get_wtime();
printf("指定 12 个线程，执行时间: %f\n", endTime - startTime);
startTime = endTime;
//不使用OpenMP
for (int i = 0; i < 80000; i++)
test();
endTime = omp_get_wtime();
printf("不使用OpenMP多线程，执行时间: %f\n", endTime - startTime);
startTime = endTime;
system("pause");
3.结果显示
可见，使用OpenMP优化后的程序执行时间是原来的1/8左右，并且并不是线程数使用越多效率越高，一般线程数达到4~8个的时候，不能简单通过提高线程数来进一步提高效率。
https://blog.csdn.net/u011808673/article/details/80319792
从初始状态S开始，利用规则，生成所有可能的状态。构成树的下一层节点，检查是否出现目标状态G，若未出现，就对该层所有状态节点，分别顺序利用规则。生成再下一层的所有状态节点，对这一层的所有状态节点检查是否出现G，若未出现，继续按上面思想生成再下一层的所有状态节点，这样一层一层往下展开。(5)把node的所有后继节点放在queue表的末端。(6)若后继节点中某一个是目标节点，则找到一个解，成功退出。(4)扩展node节点。若没有后继即叶节点），则转向（2）循环。(2)如果queue是空表，则失败退出，否则继续。
FastFlow：C++ 中的高性能并行模式
Galois：使用不规则并行简化并行编程的 C++ 库
Heteroflow：使用现代 C++ 进行并发 CPU-GPU 任务编程
HPX：用于并发和并行的 C++ 标准库
英特尔TBB：线程构建基块
Kokkos：用于在 HPC 平台上编写高性能便携式应用程序的 C++ 编程模型
OpenMP：C/C++ 和 Fortran 中的多平台共享内存并行编程
RaftLib：用于启用流和数据流并行计算的 C++ 库
STAPL：C++ 中的标准模板自适应并行编程库
STLab：用于实现具有最小争用的多核算法的高级构造
Transwarp：用于任务并发的仅标头 C++ 库
工作流程：C++ 并行计算
提取骨架是计算机断层扫描(CT)三维(3D)血管图像定量分析中的关键步骤，通常耗费数小时，直接制约了图像分析的定量研究。分析串行骨架细化算法各步骤中包含的可并行化操作，对其进行并行化设计，提出的算法通过OpenMP多线程技术实现，并采用不同大小的三维CT血管图像进行分析和测试。根据测试结果，改进后的算法获取到的骨架准确可靠，对于1.95 GB大小的三维血管图像，使用16个线程进行并行运算时，可将运算时间由176 min缩短到13 min，时间消耗上降低了一个数量级。因此，提出的方法可实现大型血管骨架的准确、高效提取，解决了大型三维图像分析问题中运算效率低这一瓶颈问题。
多线程在实际的编程中的重要性不言而喻。对于C++而言，当我们需要使用多线程时，可以使用boost::thread库或者自从C++
11开始支持的std::thread，也可以使用操作系统相关的线程API，如在Linux上，可以使用pthread库。除此之外，还可以使用omp来使用多线程。它的好处是跨平台，使用简单。
在Linux平台上，如果需要使用omp，只需在编译时使用"-fopenmp"指令。在Windows的visual
pthread_create (thread, attr, start_routine, arg)
在这里，pthread_create创建一个新的线程，并让它可执行。下面是关于参数的说明：
thread
指向线程标识符指针。
一个不透明的属性对象，可以被用来设置线程.
find_package(OpenMP REQUIRED)target_link_libraries(CodeCraft-2021 PUBLIC OpenMP::OpenMP_CXX)
????可左右滑动查看完整代码
在矩阵求和例子中，我们可以把任务均分到每个线程上，每个线程负责计算矩阵的一部分的和，最后对所有线程求得的和进行汇总，代码如下：
预处理指令pragma
在系统中加入预处理器指令一般是用来允许不是基本c语言规范部分的行为。不支持pragma的编译器会忽略pragma指令提示的那些语句，这样就允许使用pragma的程序在不支持它们的平台上运行。
第一个程序：hello
#include <stdio.h>
#include <stdlib.h>
#include <omp.h>
void ...
并行计算机可以简单分为共享内存和分布式内存，共享内存就是多个核心共享一个内存，目前的PC就是这类（不管是只有一个多核CPU还是可以插多个CPU，它们都有多个核心和一个内存），一般的大型计算机结合分布式内存和共享内存结构，即每个计算节点内是共享内存，节点间是分布式内存。想要在这些并行计算机上获得较好的性能，进行并行编程是必要条件。目前流行的并行程序设计方法是，分布式内存结构...
基本思想：因为看NCNN源码，发现up主代码中，使用了OpenMP预编译指令，所以详细查阅了资料，简单了学习一下，等有时间在补充NCNN代码的中的实例，这里原理不详细叙述，只记录使用，以备后续用到好查阅；
编译工具使用Clion2021.1.1，因为使用OpenMP的主要目的在于加速处理指令，因此会着重比较一下串行程序和OpenMP并行程序的执行效率问题，有时间在补充OpenMP和多线程的执行效率
（1）OpenMP的常用的函数和使用：
测试代码：（cmakelists.txt不在重复黏贴）
#include <time.h>
//////////////////////////////////////////////////////////////////////////////////////////////////////
void omp_thread_test()
int coreNum = omp_get_num_.
下面是一个最简单的OpenMP程序，可以运行后观察结果与普通程序有什么不同。
请在适当的位置填上#pragma omp parallel for使程序并行执行。每次输出的结果可能会有所区别。
