并行计算mvir累积概率分布时并行与串行运行结果不一致问题

问题产生原因 #

• 核心问题是数据竞争：你定义的cuenta变量是所有OpenMP线程共享的变量，多线程同时执行cuenta++操作时，会出现多个线程同时读取同一个cuenta值、各自加1后回写的情况，导致大量计数被覆盖丢失，最终结果和串行执行不一致。
• OpenMP默认会把并行区域外定义的变量视为共享变量，你没有对计数变量做归约或者私有声明，就会触发这个问题。

修复方案 #

只需要给#pragma omp parallel for指令增加reduction(+:cuenta)子句即可。OpenMP会自动为每个线程创建独立的cuenta私有副本，并行循环执行结束后，自动把所有线程的私有副本数值累加，写入原cuenta变量，完全避免数据竞争。

修复后的代码如下：

vector<double>  mvir, contador;
double mlimite;

for (int i = 0; i != mvir.size() - 1; i++)
{
  mlimite = mvir[i];
  int cuenta = 0; // 建议把cuenta的定义放在此处，作用域更清晰，避免变量污染
  #pragma omp parallel for reduction(+:cuenta)
  for (int j = 0; j != mvir.size() - 1; j++)
  {
    if (mvir[j] >= mlimite)
    {
      cuenta++;
    }
  }
  contador.push_back(cuenta);
}

可选优化建议：当前实现的时间复杂度为O(n²)，数据量大时效率很低。你可以先对mvir数组做升序排序，对于每个阈值mlimite = mvir[i]，直接用二分查找找到第一个大于等于mlimite的元素下标，mvir.size() - 下标就是符合要求的数量，复杂度可降到O(n logn)，远快于并行优化后的O(n²)实现。

内容的提问来源于stack exchange，提问作者Elena