正确使用#pragma omp parallel for解决QVector填充性能问题

• 不加#pragma omp critical就崩溃的原因：QVector的push_back方法不是线程安全的。多个线程同时对同一个QVector执行写入操作时会触发内存竞争：比如两个线程同时触发容器扩容、同时修改容器内部的长度计数，直接破坏内存结构，程序自然无法正常运行。
• 加了临界区之后多线程反而更慢的原因：临界区的特性是同一时间只允许一个线程进入执行，你把结果判断、写入容器的逻辑全放在临界区里，等于所有线程算完y值之后都要排队等锁，挨个串行执行写入操作。再加上线程调度、加锁解锁本身的固定开销，整体速度比单线程直接跑慢是必然结果。

不要让多个线程直接写共享的x、y容器，改成每个线程先存自己的计算结果，所有计算完成后再统一合并到总容器里，全程不需要加锁，性能损失极小。
参考改法：

#include <omp.h>
#include <vector>

omp_set_num_threads(2);
// 按线程数预分配私有存储，每个线程只操作自己对应的数组，完全无冲突
const int thread_cnt = omp_get_max_threads();
std::vector<std::vector<double>> thread_private_x(thread_cnt);
std::vector<std::vector<double>> thread_private_y(thread_cnt);

#pragma omp parallel for
for (int current = start; current < finish; current++) {
    Calc b(a.get_string());
    double cur_x = (double)current / 1000;
    double y_value = b.parsing(cur_x);
    if (y_value > yL || y_value < yR) {
        int tid = omp_get_thread_num(); // 获取当前线程的编号
        thread_private_x[tid].push_back(cur_x);
        thread_private_y[tid].push_back(y_value);
    }
}

// 所有并行计算结束后，单线程合并所有线程的结果
x->reserve(finish - start); // 提前预留足够内存，避免push_back频繁扩容
y->reserve(finish - start);
for (int i = 0; i < thread_cnt; i++) {
    x->insert(x->end(), thread_private_x[i].begin(), thread_private_x[i].end());
    y->insert(y->end(), thread_private_y[i].begin(), thread_private_y[i].end());
}

• 不管是STL容器还是Qt容器，默认都不支持多线程同时写入，只要涉及多线程写共享数据，要么加锁做同步，要么用“线程私有计算+最终合并”的方案，后者性能远高于频繁加锁。
• 不要给计算量太小的循环强行加并行：如果单次循环的计算耗时比线程调度、上下文切换的开销还小，多线程只会越跑越慢。你这个场景有表达式解析逻辑，计算量足够，用对并行方法是能拿到明显提速的。
• 如果一定要用临界区，尽量把临界区内的代码压缩到最少，不要把非必要的计算逻辑放进临界区，不然锁等待的开销会吃掉所有并行带来的收益。

内容的提问来源于stack exchange，提问作者Genrih Frank