OpenMP parallel区域使用reduction(min)返回错误结果是什么原因？

核心错误：reduction子句的使用位置错误 #

你对reduction功能的理解是正确的：OpenMP确实支持直接在parallel区域使用reduction，不需要搭配for或sections，但你的用法不符合语法要求：

• reduction子句如果要作用于整个parallel区域，需要直接写在#pragma omp parallel的参数列表中，而不是写在parallel区域内部的代码行前。
• 你当前的写法没有触发OpenMP为每个线程创建归约变量的私有副本，所有线程都在直接读写共享的minVar、maxVar存在数据竞争，结果完全不可预期。

为什么max看起来运行正常 #

这完全是巧合：16线程场景下最大线程号为15，只要任意一个线程将maxVar修改为15后，后续所有线程的std::max操作都不会改变这个值，所以你大概率能拿到正确结果，但本质上max的写法同样存在数据竞争，换场景后必然出错。

为什么不初始化minVar反而看似正常 #

这是未定义行为的随机结果：未初始化的int变量可能刚好拿到一个大于等于15的脏值，刚好符合min归约的初始值要求，最终能得到0的结果，没有任何参考价值，属于错误用法。

为什么加了for循环的写法是对的 #

#pragma omp for reduction(min:minVarLoop)会自动触发OpenMP的归约逻辑：为每个线程创建minVarLoop的私有副本，用min算子的默认初始值（INT_MAX）初始化，每个线程操作私有副本无竞争，循环结束后自动将所有副本归约得到最终值，所以结果正确。

如果你不需要for循环，直接把reduction子句放在parallel编译指示上即可：

#include <omp.h>
#include <iostream>
#include <limits>
#include <algorithm>

int main(){
    auto minVar { std::numeric_limits<int>::max() };
    auto maxVar { std::numeric_limits<int>::min() };
    auto minVarLoop { std::numeric_limits<int>::max() };

    // 直接将reduction子句放在parallel构造上
    #pragma omp parallel reduction(min:minVar) reduction(max:maxVar)
    {
        int threadNo { omp_get_thread_num() };

        minVar = std::min(minVar, threadNo);
        maxVar = std::max(maxVar, threadNo);
        
        #pragma omp for reduction(min:minVarLoop)
        for (int i=0; i<omp_get_num_threads(); ++i){
            minVarLoop = std::min(minVarLoop, threadNo);
        }
    }
    std::cout
        << "min thread num: " << minVar
        << "\nmax thread num: " << maxVar
        << "\nmin thread num from Loop: " << minVarLoop
        << "\n";

    return 0;
}

编译运行后就能得到预期结果。

内容的提问来源于stack exchange，提问作者RL-S