在QThread上使用时，OpenMP线程仅在一个CPU上运行.(Qt，C++）

我正在尝试编写粒子模拟。我创建了一个工作类，所有的计算都在其中进行，并使用movetothread()将其移动到QThread，以保持GUI的响应性(有效(。

现在为了加快计算速度，我想在worker中使用openMP。奇怪的是，所有的openMP线程似乎都只在一个CPU内核上运行。我注意到了这一点，因为无论是否使用openMP，CPU使用率(在4个逻辑核上约为25%(和运行模拟的时间都不会改变。

当在工作者中调用omp_get_num_procs()时，它返回4，但我没有观察到加速。我手动将num_threads()设置为4只是为了确定，但没有帮助。

程序会编译并且计算正确(使用openMP时也是如此(。

我听说同时使用QThreads和openMP时可能会出现问题。显然，openMP派生的所有线程都只在分配给工作线程的CPU上运行。

我使用的是Windows 10 64位，Qt Creator 3.6.1，Qt 5.6.0(MSVC 2013，32位(。在.pro文件中，我添加了QMAKE_CXXFLAGS += -fopenmp和QMAKE_LFLAGS += -fopenmp。也称为LIBS += -fopenmp。

qmake是：

qmake.exe ParticleSimulations.pro-r-spec win32-g++"CONFIG+=debug"CONFIG++=qml_debug">

品牌：

C:\中的mingw32-make.exe。。。

编辑：我还调用了"omp_get_num_threads(("，返回4。我感兴趣的是线程是在单独的CPU上运行还是只在一个CPU上运行。

编辑：根据请求，这里是我的一些代码(不确定它是否有多大帮助(这来自mainwindow.cpp，在这里创建了负责计算的第二个QThread：

    Pot=new LennardJones(sig,eps,mass,acc);
    if (ParticlesTypeID==0)
        Part=new TestParticles(confDia->getTestParticlesID(),L,Duration);
    else if (ParticlesTypeID==1)
        Part=new RandomParticles(n,L,Duration);
    else if (ParticlesTypeID==2)
        Part=new FileParticles(confDia->getValuesFromFile(),L,Duration);
    thread = new QThread;
    Pot->moveToThread(thread);
    connect(Pot, SIGNAL(finished()), thread, SLOT(quit()));
    connect(Pot, SIGNAL(finished()), Pot, SLOT(deleteLater()));
    connect(thread, SIGNAL(finished()), thread, SLOT(deleteLater()));
    connect(this, SIGNAL(CancelClick()), Pot, SLOT(onCancelClick()));
    connect(Pot, SIGNAL(sendProgress(int)), this, SLOT(on_Progress(int)));
    connect(Pot, SIGNAL(sendTime(double)), this, SLOT(on_Time(double)));
    thread->start();
    // Calculation
        Part->setParticleData(Pot->Newton(Part->getParticleData(),Part->gettspan(),Part->getL(),MaxNewtonIterations,MaxSteps,MinSteps));

这是计算的一部分(只是一个例子(。在那里调用omp_get_num_threads((或omp_get_num_procs((让我相信OpenMP原则上是有效的。

void LennardJones::NewtonIteration(Eigen::MatrixXd &ParticleData, Eigen::VectorXd &FirstDer, Eigen::MatrixXd &SecDer, Eigen::VectorXd &GKplus1, Eigen::MatrixXd &GderInvKplus1, Eigen::MatrixXd &temp, int &k, double &deltat, int &maxiterations){
int counter=0;
while(((temp-ParticleData.col(k)).norm() > accuracy) && (counter<maxiterations)){
    #pragma omp parallel sections
    {
        #pragma omp section
        {
            FirstDer=FirstDerivative(ParticleData);
            GKplus1=BuildGKplus1(ParticleData,FirstDer,deltat); 
        }
        #pragma omp section
        {
            SecDer=SecondDerivative(ParticleData);
            GderInvKplus1=BuildGderInvKplus1(ParticleData,SecDer,deltat);              
        }
    }       
    temp = ParticleData.col(k);
    ParticleData.col(k)=ParticleData.col(k)-GderInvKplus1*GKplus1;
    counter++;
}

}

另一个代码片段。在这里，我尝试将运行n次的for循环并行化(n是粒子数，因此应该有很大的性能提升空间(

#pragma omp parallel for
for (int i=1;i<=n;i++){
    for (int j=1;j<=n;j++){
        if(j!=i){
            //Positionsvektoren die in diesem Schritt betrachtet werden
            v1K=ParticleData.block(3*(n+i-1),ParticleData.cols()-2,3,1);
            v2K=ParticleData.block(3*(n+j-1),ParticleData.cols()-2,3,1);
            v1Kplus1=ParticleData.block(3*(n+i-1),ParticleData.cols()-1,3,1);
            v2Kplus1=ParticleData.block(3*(n+j-1),ParticleData.cols()-1,3,1);
            //Distanz r
            rK = (v1K-v2K).norm(); //Distance(v1K,v2K);
            rKplus1 = (v1Kplus1-v2Kplus1).norm();   //Distance(v1Kplus1,v2Kplus1);
            //Großer ausklammerbarer Term in der ersten Ableitung
            tempK=-12*epsilon*(pow(sigma,12)/pow(rK,14) - pow(sigma,6)/pow(rK,8));
            tempKplus1=-12*epsilon*(pow(sigma,12)/pow(rKplus1,14) - pow(sigma,6)/pow(rKplus1,8));
            // Erste Ableitungen
            FirstDerK.segment(3*i-3,3)+=tempK*(v1K-v2K);
            FirstDerKplus1.segment(3*i-3,3)+=tempKplus1*(v1Kplus1-v2Kplus1);

        }
    }
}

提前感谢！：(

QMAKE_CXXFLAGS += -fopenmp
QMAKE_LFLAGS += -lgomp