// 并行排序
std::sort(std::execution::par, data.begin(), data.end());

// 并行转换：每个元素平方
std::transform(std::execution::par_unseq, data.begin(), data.end(), data.begin(),
[](int x) { return x * x; });

// 并行遍历打印（注意输出可能乱序）
std::for_each(std::execution::par, data.begin(), data.end(),
[](int x) { std::cout

注意：std::for_each 使用 par 时输出顺序无法保证，因为各线程并发执行。

性能提升的关键因素

并行策略能否带来性能提升，取决于多个因素：

Perplexity是一个ChatGPT和谷歌结合的超级工具，可以让你在浏览互联网时提出问题或获得即时摘要

• 数据规模：小数据集开销大于收益，建议数据量超过几千项再考虑并行。
• 操作复杂度：计算密集型任务（如数学运算、图像处理）更受益于并行化。
• 线程安全：确保lambda或函数对象无副作用，避免共享状态竞争。
• 硬件支持：多核CPU和编译器对SIMD的支持程度影响 par_unseq 效果。

例如，对百万级整数排序，std::execution::par 通常比串行快1.5~3倍，具体取决于CPU核心数和负载情况。

常见注意事项与限制

虽然并行STL简化了并发编程，但仍需注意以下问题：

• 不是所有算法都支持并行策略，参考文档确认可用性。
• 调试并行代码更困难，race condition 和内存访问冲突需特别留意。
• 过度并行可能导致线程争抢，反而降低性能。
• 某些标准库实现（如旧版libstdc++）对并行支持不完整，需启用特定编译选项（如 -ltbb）。

编译时建议使用 -O2 -march=native -ltbb（GCC/Clang）以获得最佳并行性能。

基本上就这些。合理使用 std::execution 策略，能在不改写整体逻辑的前提下，有效榨取多核CPU的潜力，让STL算法跑得更快。