使用临时二维数组规避OpenMP数据依赖的方法是否可行？

你的方法通过给每个线程分配独立的累加行，避免了多个线程同时修改同一个vec元素的数据竞争，这个思路是可行的，但代码里有一个致命错误：

错误点：求和方向搞反了 #

mat是num_thread行、n列的矩阵，每个线程只修改自己行的元素，最终需要对每一列求和（汇总所有线程在同一列的累加值），但你用了rowwise().sum()（对每行求和），这会得到一个维度为num_thread的向量，和vec(n)的维度不匹配，编译会报错，且结果完全错误。正确的写法应该是mat.colwise().sum()。

修正后的并行代码 #

int n=5;
int num_thread = 6;
omp_set_num_threads(num_thread);
Eigen::MatrixXd mat(num_thread,n);
mat.setZero();
#pragma omp parallel for
for(int i=0;i<100;i++)
{
    int idx_pool = omp_get_thread_num();
    int idx_col = i%n;
    mat(idx_pool,idx_col)+=(i/n);
}
Eigen::VectorXd vec(n);
vec = mat.colwise().sum(); // 修正为按列求和
std::cout<<vec<<std::endl;

验证正确性 #

修正后，这段代码的计算逻辑和串行代码完全一致：每个列的累加和对应原串行代码中vec的元素，最终输出的每个值都是190，和串行结果一致。

另外，线程数设置为6是合理的，OpenMP会自动将100次循环迭代分配给6个线程执行，不会影响结果正确性。

内容的提问来源于stack exchange，提问作者Oliver Redman