一、OpenMP并行加速：
在MIMD作为主要研究对象的系统中，分为两种类型：共享内存系统和分布式内存系统，之前我们介绍的基于MPI方式的并行计算编程是属于分布式内存系统的方式，现在我们研究一种基于OpenMP的共享内存系统的并行编程方法。
VS配置进行OpenMP开发的步骤：
（1）在正式进行OpenMP编码之前，需要对编译器稍微配置一下。启动VS2015新建一个C++的控制台应用程序；
（2）然后在项目解决方案资源管理器上选择项目名称，点击右键，选择“属性”；
（3）然后在属性页上左侧选择“配置属性”——“C/C++”——“语言”，然后在右侧“OpenMP支持”后选择“是（/openmp）” ，这样就能在我们VS2015中进行OpenMP的程序开发了。
在程序中，为了能够使用OpenMP函数，还需要在程序包含omp.h头文件。
#include <omp.h>
当然也可以使用cmakelists文件进行配置。
但使用它有几天限制条件：
（1）、OpenMP只能并行化for循环，它不会并行while和do-while循环，而且只能并行循环次数在for循环外面就确定了的for循环。
（2）、循环变量只能是整型和指针类型（不能是浮点型）
（3）、循环语句只能是单入口单出口的。循环内部不能改变index，而且里面不能有goto、break、return。但是可以使用continue，因为它并不会减少循环次数。另外exit语句也是可以用的，因为它的能力太大，他一来，程序就结束了。
1.1
#pragma omp parallel for#pragma omp parallel for是OpenMP中的一个指令，表示接下来的for循环将被多线程执行，另外每次循环之间不能有关系， 如果使用这条简单的指令去运行并行计算的话，程序的线程数将由运行时系统决定（这里使用的算法十分复杂），典型的情况下，系统将在每一个核上运行一个线程。
1.2
如果需要执行使用多少个线程来执行我们的并行程序，就得为parallel指令增加num_threads子句，这样的话，就允许程序员指定执行后代码块的线程数。
#pragma omp parallel num_threads(thread_count)1.3
我们注意两个要点：
（1）OpenMP编译器不检查被parallel for指令并行化的循环所包含的迭代间的依赖关系，而是由程序员来识别这些依赖关系。
（2）一个或更多个迭代结果依赖于其它迭代的循环，一般不能被OpenMP正确的并行化。
当我们试图使用一个parallel for指令时，需要小心循环依赖关系，而不用担心数据依赖，缺省情况下，任何在循环前声明的变量，在线程间都是共享的。为了消除这种循环依赖关系之外，还需要保证每个线程有它自己的factor副本，OpenMP的语句为我们考虑了，通过添加private子句到parallel指令中来实现这一目标。
void blog4::Test5(int argc, char* argv[])
{
double factor = 1;
double sum = 0.0;
int n = 1000;
int thread_count = strtol(argv[1], NULL, 10);//omp_get_num_threads();
cout << thread_count << endl;
#pragma omp parallel for num_threads(thread_count) reduction(+:sum) private(factor)
for (int i = 0; i < n; i++)
{
if (i % 2 == 0)
factor = 1.0;
else
factor = -1.0;
sum += factor / (2 * i + 1);
//factor = -factor;
//cout << i << "-" << factor << endl;
//SumForNumber();
}
double pi_approx = 4.0*sum;
printf("%f", pi_approx);
}
