OpenMP并行区域omp do内调用含omp do子例程的结果与性能问题咨询

现有代码的核心问题 #

你的写法违反了两条OpenMP核心使用规则，直接导致结果错误和运行卡顿：

1. 无意义的内层并行开销：主程序的!$omp parallel已经完成了线程分叉，所有线程并行执行外层omp do分配的(i,j)迭代任务。你在子程序中又加入!$omp do指令，会强制每个外层迭代都要在线程组内再次分配9x9的小循环任务，任务调度开销远大于999=729次浮点计算的开销，直接导致运行速度极慢。
2. 数据竞争：子程序中定义的局部数组tmp默认在并行区域内为共享属性，多个线程同时写入tmp数组会互相覆盖计算结果，自然无法得到正确输出。另外主程序中c、temp、final三个数组未声明为线程私有，多个线程同时修改也会产生数据竞争。

两类嵌套场景的正确写法 #

场景1：外层循环量足够大（你的场景适用） #

当外层循环迭代数远大于CPU物理核心数时，只保留外层并行即可，内层不需要额外加OpenMP指令：

• 删除子程序中的!$omp do和!$omp enddo指令
• 子程序开头添加!$omp private(tmp)声明，或者给tmp加上automatic属性，保证每个线程调用子程序时拥有独立的tmp副本
• 主程序外层并行指令修改为!$omp parallel private(c,temp,final)，将每次迭代需要修改的数组声明为线程私有，避免跨线程覆盖

场景2：外层循环量很小、内层计算量极大 #

如果外层只有个位数迭代，每次迭代需要执行大矩阵乘法（比如1000x1000规模），可以开启嵌套并行：

• 程序初始化阶段调用omp_set_nested(.true.)主动开启OpenMP嵌套并行支持
• 子程序中的循环指令修改为!$omp parallel do private(i,j,k,tmp)，每次进入子程序时独立开启新的并行区域
• 注意控制嵌套线程总数：外层线程数 * 内层线程数不要超过CPU物理核心数，避免线程超额订阅导致性能下降

你的场景优化建议 #

你当前外层有(10+1)*(10+1)=121次迭代，远大于普通CPU的核心数，完全不需要内层并行，按场景1修改后即可得到正确结果，且性能达到最优。

内容的提问来源于stack exchange，提问作者Mac cchiatooo