在C++中用pybind11封装时如何开启dsyev的多线程

LAPACK/BLAS的多线程支持不依赖GCC的-fopenmp直接开启，不同BLAS实现（如OpenBLAS、MKL、ATLAS）有独立的并行控制逻辑，-fopenmp仅能让编译器支持OpenMP语法，无法直接驱动BLAS库的并行。以下是针对性解决步骤：

1. 确认BLAS/LAPACK的具体实现 #

先明确你当前链接的BLAS库版本：

• 用ldd命令检查生成的pybind11模块文件，比如：ldd your_module.cpython-*.so，看输出中是否包含libopenblas.so、libmkl_core.so等字样。
• 查看编译脚本中的链接参数，确认是否指定了特定BLAS库（如-lopenblas、-lmkl_core）。

2. 针对不同BLAS库配置多线程 #

OpenBLAS #

• 编译阶段：如果是自行编译OpenBLAS，需添加USE_OPENMP=1参数开启并行支持；若使用预编译包，要确保安装的是带OpenMP的版本（如libopenblas-openmp-dev）。
• 运行时控制：
  • 通过环境变量设置线程数：export OMP_NUM_THREADS=4（4为线程数，按需调整）。
  • 或在C++代码中显式设置：

    #include <openblas_config.h>
    // 在模块初始化时调用
    openblas_set_num_threads(4);
    

MKL #

• MKL默认支持多线程，线程数可通过以下方式控制：
  • 环境变量：export MKL_NUM_THREADS=4。
  • 代码中显式设置：

    #include <mkl.h>
    mkl_set_num_threads(4);
    

• 编译链接时需指定MKL的OpenMP相关库，比如：-lmkl_intel_lp64 -lmkl_core -lmkl_gnu_thread -lgomp。

ATLAS #

• ATLAS的并行基于pthreads，编译时需启用并行选项；运行时通过环境变量控制：export ATLAS_NUM_THREADS=4。

3. 编译链接的关键注意事项 #

• -fopenmp必须同时添加到编译和链接阶段，即CFLAGS和LDFLAGS都要包含该参数，避免链接时遗漏OpenMP库。示例编译命令：

  g++ -O3 -fopenmp -shared -std=c++11 $(python3 -m pybind11 --includes) your_code.cpp -o your_module$(python3-config --extension-suffix) -lopenblas
  

• 确保链接的是带并行支持的BLAS库版本，而非单线程版本（部分发行版会同时提供单线程和多线程BLAS包）。

4. 验证并行是否生效 #

• 运行模块时用htop或top观察CPU使用率，若多个核心被占用，说明并行已生效。
• 注意：小矩阵规模下，并行的开销可能大于收益，需用足够大的矩阵（如1000×1000以上）测试LAPACK/BLAS函数的并行效果。

内容的提问来源于stack exchange，提问作者Fracton