OpenMP基准测试代码经ICC与GCC编译后运行时长差异显著求解

1 无OpenMP选项的ICC版本性能远超其他版本的核心原因 #

• 未添加-qopenmp参数时，ICC会直接忽略所有OpenMP编译指示（对应你收到的pragma无法识别的警告），将所有循环按普通串行代码处理。
• ICC针对英特尔自家处理器的默认优化策略远比GCC激进：默认开启O2级优化、自动向量化、循环展开、指令重排等优化，而GCC默认优化等级为O0，几乎不做任何编译期优化，这直接导致无OpenMP的ICC单线程性能是GCC默认单线程的18倍左右（2490ms vs 45550ms）。
• 若你的测试用例循环计算总量较小，ICC甚至可以将整个循环向量化为AVX2指令（i7-6700K支持AVX2），单线程就能打满CPU的向量计算单元，性能远高于有额外开销的多线程版本。

2 开启OpenMP后性能反而下降的原因 #

• OpenMP多线程并行存在固定开销：线程创建/销毁、线程调度、循环拆分、Cache一致性同步、隐式栅栏同步等，当你的测试用例的计算总量不足以覆盖这些开销时，多线程版本性能会显著低于优化充分的单线程版本，对应你测试中开启OpenMP的ICC、GCC版本运行时间都远超无OpenMP的ICC版本。
• collapse(2)编译指示会额外增加循环拆分的开销：两层循环合并后按线程数拆分的逻辑本身有计算成本，若两层循环总迭代数较小，这部分开销占比会进一步拉高总运行时间。
• 无优化参数下GCC开启-fopenmp后会自动开启至少O1级优化，所以你看到GCC开OpenMP后的13400ms远优于不开的45550ms，符合4核3倍左右的加速比预期。

3 循环变量类型影响优化效果的原因 #

• int为32位有符号整数，C/C++标准规定了有符号整数溢出为未定义行为，编译器可以基于「循环变量不会溢出」的假设做激进优化，包括自动向量化、循环展开、边界预测等。
• size_t为64位无符号整数，无符号整数的溢出是定义明确的回绕行为，编译器做优化时需要额外考虑溢出的边界情况，优化策略会更保守，自动向量化的触发门槛更高。
• 混合int与size_t的场景下，若循环计数变量用int，索引寻址用size_t，编译器既能基于int的特性做循环逻辑的激进优化，又能兼容64位寻址的要求，所以优化效果优于全size_t的循环。

4 #pragma simd比#pragma omp collapse()更快的原因 #

• #pragma simd是单线程内的向量并行优化，仅触发编译器的向量化逻辑，没有任何多线程相关的额外开销，在计算量较小的场景下收益远高于多线程并行。
• #pragma omp collapse()是多线程级别的并行，需要承担所有多线程调度开销，若测试用例计算量不足以覆盖开销，性能自然低于纯SIMD优化的版本。
• 部分场景下collapse(2)会破坏数据访问的局部性，导致Cache命中率下降，进一步拉低多线程版本的性能。

内容的提问来源于stack exchange，提问作者arc_lupus