从C++17开始，标准库引入了 并行算法支持，通过 std::execution 策略，可以轻松让许多STL算法利用多核CPU进行并行计算。这不仅简化了并发编程，还能显著提升数据密集型操作的性能。

启用C++17并行算法的前提

要使用C++17的并行算法功能，需满足以下条件：

• 编译器支持C++17（如GCC 8+、Clang 7+、MSVC 2019）
• 链接TBB（Intel Threading Building Blocks）或使用原生支持并行执行的标准库（如libstdc++ with pthreads）
• 编译时开启C++17标准，例如GCC中使用 -std=c++17

注意：某些平台默认不启用并行执行策略，可能需要额外安装并配置线程后端。

std::execution 的三种执行策略

C++17在 <execution></execution> 头文件中定义了三种执行策略：

• std::execution::seq：顺序执行，无并行，适用于有依赖的操作
• std::execution::par：允许并行执行，多个线程可同时运行算法
• std::execution::par_unseq：允许并行和向量化执行（如SIMD），适合高度可并行的数据操作

这些策略可作为第一个参数传入支持并行的STL算法。

实际使用示例：并行排序与查找

以下代码演示如何使用 std::sort 和 std::for_each 配合并行策略加速处理大量数据：

达芬奇——你的AI创作大师

#include <iostream>
#include <vector>
#include <algorithm>
#include <execution>
#include <chrono>
<p>int main() {
std::vector<int> data(10000000);
// 初始化随机数据
std::generate(data.begin(), data.end(), []() { return rand() % 1000; });</p><pre class="brush:php;toolbar:false;">auto start = std::chrono::high_resolution_clock::now();

// 使用并行策略排序
std::sort(std::execution::par, data.begin(), data.end());

auto end = std::chrono::high_resolution_clock::now();
auto duration = std::chrono::duration_cast<std::chrono::milliseconds>(end - start);

std::cout << "Parallel sort took " << duration.count() << " ms\n";

// 并行遍历
int sum = 0;
std::for_each(std::execution::par_unseq, data.begin(), data.end(),
              [&sum](int x) { sum += x; }); // 注意：此处需原子操作或分区累加避免竞争

return 0;

}

警告：上面的 sum += x 存在线程竞争，实际应使用 std::transform_reduce 或原子变量。

推荐做法：安全高效地使用并行算法

为避免数据竞争并发挥最大性能，建议：

• 对只读操作优先使用 std::execution::par_unseq
• 涉及共享写入时，改用 std::reduce 或 std::transform_reduce
• 避免在并行算法中修改外部非局部变量
• 对于小数据集，并行开销可能大于收益，建议测试阈值

例如，安全求和应写成：

long long sum = std::reduce(std::execution::par, data.begin(), data.end(), 0LL);

基本上就这些。正确使用 std::execution 能让你在不写线程代码的情况下，自动获得多核加速效果，但也要注意适用场景和潜在竞争问题。