使用OpenMP调用函数时如何为每个线程分配私有vector？

你当前的写法存在两个关键错误：

• 在#pragma omp for上使用private(vec)时，生成的vec私有副本作用域仅限当前并行for块内部，全局定义的function()无法访问到这个块级私有变量，始终会读写全局唯一的vec实例，多线程并发操作必然触发数据竞争。
• 认为#pragma omp threadprivate()仅支持基础类型是认知偏差，主流OpenMP实现（GCC 4.8及以上、Clang 3.5及以上、MSVC 2015及以上）均支持符合默认构造、可析构要求的C++类类型（包括std::vector）作为threadprivate变量，仅需要遵守对应的初始化规则。

以下方案均不需要大规模修改你现有依赖全局vec的自定义函数逻辑，可根据自己的编译环境选择：

方案1：正确使用OpenMP threadprivate指令（改动量最小） #

直接将全局vec标记为线程私有，每个线程进入并行区域时会自动持有独立的vec实例，所有调用全局vec的函数会自动访问当前线程的私有副本，不需要修改函数内部逻辑。

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

double var = 1;
std::vector<double> vec;
// 标记全局vec为线程私有变量
#pragma omp threadprivate(vec)

void function()
{
    vec.push_back(var);
}

int main()
{
    omp_set_num_threads(2);

    #pragma omp parallel
    {
        // 不需要再给vec加private子句，每个线程自动访问自己的私有副本
        // 如需初始化当前线程的vec，可在这里操作，例如vec.clear()、vec.reserve()
        #pragma omp for
        for (int i = 0; i < 4; i++)
        {        
            function(); 
        }

        // 此处可直接操作当前线程的私有vec做后续计算，无数据竞争
    }
    return 0;
}

注意：threadprivate标记的类类型变量，每个线程的副本会在该线程首次访问变量时完成默认构造，在线程退出时自动析构，无需手动管理内存。

方案2：使用C++原生thread_local关键字（稳定性最高） #

如果你的编译环境支持C11及以上标准，优先用C原生的线程本地存储关键字thread_local，语义和threadprivate一致，不依赖OpenMP的具体实现，兼容性更好：

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

double var = 1;
// 标记vec为线程本地变量，每个线程持有独立副本
thread_local std::vector<double> vec;

void function()
{
    vec.push_back(var);
}

int main()
{
    omp_set_num_threads(2);

    #pragma omp parallel
    {
        // 同样不需要加private子句，函数自动访问当前线程的vec副本
        #pragma omp for
        for (int i = 0; i < 4; i++)
        {        
            function(); 
        }
    }
    return 0;
}

方案3：老旧编译环境兼容方案 #

如果你使用的编译器版本过旧，既不支持类类型的threadprivate，也不支持C++11的thread_local，可以通过线程号索引手动维护每个线程的独立vec：

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

double var = 1;
// 按照你设置的最大线程数上限预留数组，每个数组元素对应一个线程的私有vec
const int MAX_THREADS = 64;
std::vector<double> vec[MAX_THREADS];

void function()
{
    int tid = omp_get_thread_num();
    vec[tid].push_back(var);
}

int main()
{
    omp_set_num_threads(2);

    #pragma omp parallel
    {
        int tid = omp_get_thread_num();
        // 进入并行块先清空对应vec，避免残留数据干扰
        vec[tid].clear();

        #pragma omp for
        for (int i = 0; i < 4; i++)
        {        
            function(); 
        }
    }
    return 0;
}

这个方案的缺点是需要提前预估最大线程数，且所有操作vec的位置都需要先获取当前线程号作为索引，改动量相对较大，但可以在老旧编译环境下正常运行。

• 不要在并行区域内对全局vec做整体赋值、swap等会改变变量本身引用的操作，否则会破坏线程私有副本的绑定关系。
• 线程持有的vec副本完全独立，线程间无法直接互访，如果后续需要汇总所有线程的计算结果，需要在并行区域内通过#pragma omp critical段串行合并，或者等并行区域结束后在主线程遍历所有线程的vec做汇总。
• 并行区域外访问threadprivate/thread_local标记的vec时，访问到的是主线程持有的副本，不是工作线程的副本，不要尝试在并行区域外读取工作线程的vec数据。

内容的提问来源于stack exchange，提问作者Tom