我将改进我的自定义图形引擎，以便它能够利用多核 CPU。更确切地说，我正在寻找一个库来并行化循环。
在我看来，OpenMP 和英特尔的线程构建模块都非常适合这项工作。此外，Visual Studio 的 C++ 编译器和大多数其他流行的编译器都支持两者。这两个库似乎都非常易于使用。
那么，我应该选择哪一个？有没有人尝试过这两个库，并且可以给我一些使用这两个库的利弊？另外，你最终选择了与什么合作？
谢谢，
阿德里安
【问题讨论】：
标签： c++ multithreading multicore openmp tbb
我没有广泛使用 TBB，但我的印象是它们相互补充而不是竞争。 TBB 提供线程安全容器和一些并行算法，而 OpenMP 更多的是一种并行化现有代码的方法。
就我个人而言，我发现 OpenMP 很容易放入现有代码中，您可以在其中有一个可并行化的循环或一堆可以并行运行的部分。但是，对于您需要修改一些共享数据的情况，它对您没有帮助——TBB 的并发容器可能正是您想要的。
如果您只想并行化迭代独立的循环（或者可以相当容易地做到这一点），我会选择 OpenMP。如果您需要线程之间的更多交互，我认为 TBB 在这方面可能会提供更多。
【讨论】：
来自英特尔的软件博客：Compare Windows* threads, OpenMP*, Intel® Threading Building Blocks for parallel programming
这也是风格的问题 - 对我来说，TBB 非常像 C++，而我不太喜欢 OpenMP 编译指示（有点 C 的味道，如果我必须用 C 编写，我会使用它）。
我还会考虑团队现有的知识和经验。学习一个新库（尤其是在线程/并发方面）确实需要一些时间。我认为目前，OpenMP 比 TBB 更广为人知和部署（但这只是我的观点）。
还有一个因素——但考虑到最常见的平台，可能不是问题——可移植性。但是许可证可能是个问题。
【讨论】：
总的来说，我发现使用 TBB 需要对代码库进行更耗时的更改，并带来高回报，而 OpenMP 提供快速但适中的回报。如果您正在从头开始关注一个新模块并考虑长期考虑，请选择 TBB。如果您想要小而直接的收益，请选择 OpenMP。
此外，TBB 和 OpenMP 并不相互排斥。
【讨论】：
我实际上都使用过这两种方法，我的总体印象是，如果您的算法相当容易实现并行化（例如，大小均匀的循环，没有太多的数据相互依赖性），OpenMP 更容易，而且很好用。事实上，如果您发现可以使用 OpenMP，那么如果您知道您的平台会支持它，这可能是更好的选择。我没有使用过 OpenMP 的新任务结构，它比原来的循环和部分选项更通用。
TBB 预先为您提供了更多的数据结构，但肯定需要更多的预先准备。另外，它可能更能让您了解竞争条件错误。我的意思是，在 OpenMP 中通过不共享（或其他）应该共享的东西来启用竞争条件是相当容易的。只有当你得到不好的结果时，你才会看到这一点。我认为 TBB 不太可能发生这种情况。
总的来说，我个人更喜欢 OpenMP，尤其是考虑到它在任务方面的表现力更强。
【讨论】：
据我所知，TBB（有一个可用的 GPLv2 下的开源版本）更关注 C++ 而非 C 领域。这些时候很难找到 C++ 和通用 OOP 并行化特定信息。大多数地址功能性的东西，如 c（在 CUDA 或 OpenCL 上相同）。如果您需要 C++ 对并行化的支持，请选择 TBB！
【讨论】：
是的，TBB 对 C++ 更友好，而鉴于其设计，OpenMP 更适合 FORTRAN 风格的 C 代码。 OpenMP 中的新任务功能看起来很有趣，同时 C++0x 中的 Lambda 和函数对象可能会使 TBB 更易于使用。
【讨论】：
在 Visual Studio 2008 中，您可以添加以下行来并行化任何“for”循环。它甚至可以与多个嵌套的 for 循环一起使用。这是一个例子：
#pragma omp parallel for private(i,j)
for (i=0; i<num_particles; i++)
{
p[i].fitness = fitnessFunction(p[i].present);
if (p[i].fitness > p[i].pbestFitness)
{
p[i].pbestFitness = p[i].fitness;
for (j=0; j<p[i].numVars; j++) p[i].pbest[j] = p[i].present[j];
}
}
gbest = pso_get_best(num_particles, p);
在我们添加 #pragma omp parallel 后，我的 Core 2 Duo 上的两个内核都使用了最大容量，因此总 CPU 使用率从 50% 上升到 100%。
【讨论】：
omp parallel for 并行化任何 parallelizable for 循环。例如，如果正文包含如下代码，则不能使用 omp parallel for：p[j] = p[j] - p[j-1]