• 比如说有一个for循环，需要迭代100次，来累加1+2+3…+100计算其结果，创建10个线程，第一个线程累加1+2+…+10，第二个线程计算11+12+…+20等。那么如何优化呢？
• 其实OpenMP库是可以直接调用的，只需要在for循环上面加一个指令 “#pragma omp parallel for num_threads(10)” 即可，非常简单。
• Intel TBB 线程库也可以很简单的做到，具体不介绍
• 下面介绍如何使用标准库std::thread手动分割任务 。如果任务数除以线程数有余数，那么把这些余数的部分放在最后一个线程上。

#include <iostream>
#include <thread>
#include <vector>
#include <atomic>
#include <tbb/task_arena.h>

using namespace std;

constexpr int THREAD_NUM = 10; 

atomic<int> a(0);

void test(int b) {
    int expected = a;
    // 使用了CAS
    while (!atomic_compare_exchange_weak(&a, &expected, a + b));
}

int main() {
    vector<thread> threads;
    threads.reserve(static_cast<size_t>(THREAD_NUM));

    // 假如有任务数为 100 个(编号为0,1,...,99), 平分到10个线程上去，每个线程执行10个任务
    int TASK_NUM = 100;
    int AVG_NUM = TASK_NUM / THREAD_NUM;
    
    for (int i = 0; i < THREAD_NUM - 1; ++i) {
        threads.emplace_back([i, AVG_NUM](){
            for (int j = i * AVG_NUM; j < (i + 1) * AVG_NUM; j++) {
                test(j + 1);
            }
        });
    }
    threads.emplace_back([&](){
        for (int j = (THREAD_NUM - 1) * AVG_NUM; j < TASK_NUM; j++) {
            test(j + 1);
        }
    });


    for (auto &t : threads) {
        t.join();
    }
    cout << "a = " << a << endl;
    // 计算结果为5050，计算正确
}