openmp
OpenMPの削減

#pragma omp reduction節を使用したPIの近似

h = 1.0 / n;
#pragma omp parallel for private(x) shared(n, h) reduction(+:area) 
for (i = 1; i <= n; i++)
{
  x = h * (i - 0.5);
  area += (4.0 / (1.0 + x*x));
}
pi = h * area;

この例では、各スレッドは反復カウントのサブセットを実行します。各スレッドは、そのareaローカルプライベートコピーを持ち、パラレル領域の最後には、すべて領域の最終値を生成するために加算演算（ + ）が適用されarea 。

#pragma omp criticalに基づく削減を使用したPIの近似

h = 1.0 / n;
#pragma omp parallel for private(x) shared(n, h, area) 
for (i = 1; i <= n; i++)
{
  x = h * (i - 0.5);
  #pragma omp critical
  {
    area += (4.0 / (1.0 + x*x));
  }
}
pi = h * area;

この例では、各スレッドは反復回数のサブセットを実行し、共有変数area原子的に累積します。これにより、失われた更新がないことが保証されます。

#pragma atomicに基づく還元を用いたPIの近似

h = 1.0 / n;
#pragma omp parallel for private(x) shared(n, h, area) 
for (i = 1; i <= n; i++)
{
  x = h * (i - 0.5);
  #pragma atomic
  area += (4.0 / (1.0 + x*x));
}
pi = h * area;

この例では、各スレッドは反復回数のサブセットを実行し、共有変数area原子的に累積します。これにより、失われた更新がないことが保証されます。指定された操作（ += ）は原子的に実行できるので、ここでは#pragma atomicを使用できます。これは#pragma omp critical使用法と比較して読みやすさを簡素化します。

PIの近似による#pragma omp reduction手作り

h = 1.0 / n;

#pragma omp parallel private(x) shared(n, h)
{
  double thread_area = 0;                      // Private / local variable

  #pragma omp for
  for (i = 1; i <= n; i++)
  {
    x = h * (i - 0.5);
    thread_area += (4.0 / (1.0 + x*x));
  }

  #pragma omp atomic                       // Applies the reduction manually
  area += thread_area;                     // All threads aggregate into area
}

pi = h * area;

スレッドは#pragma omp parallel生成され#pragma omp parallel 。各スレッドには、その部分的な追加を格納する独立した/専用のthread_areaがあります。次のループは、 #pragma omp forを使用してスレッド間で分散さ#pragma omp forます。このループでは、各スレッドが独自のthread_areaを計算し、このループの後、コードは#pragma omp atomic介して原子的に順次領域を集約し#pragma omp atomic 。