C++多线程计算π的近似值-C++-PHP中文网

直接累加共享double变量会因竞态条件导致结果偏小且不一致；应改用线程局部累加器+单次mutex合并，或用std::async返回值、openmp reduction归约；莱布尼茨级数收敛慢且浮点误差随线程数增加而放大。

c++多线程计算π的近似值

多个线程同时对同一个 double 变量做 += 操作，结果大概率偏小——这不是精度问题，而是典型的竞态条件。因为 pi += term 实际包含“读取、计算、写回”三步，中间任意一步都可能被其他线程打断。

常见错误现象：pi 最终值远小于预期（比如 2.x 而不是 3.14），且每次运行结果不一致。

别用 std::atomic<double></double>：C++ 标准不保证 atomic<double>::operator+=</double> 是 lock-free，实际中多数平台会退化为互斥锁，反而更慢
推荐做法：每个线程维护自己的局部累加器（double local_pi = 0.0;），最后用一次 std::mutex 合并
如果线程数少（≤8）、迭代次数高（≥1e7），局部累加 + 单次锁合并的开销远低于每轮都锁

std::async 天然支持返回值，适合“每个线程算一段区间，最后汇总”的场景；std::thread 需手动管理输出存储，但内存布局更可控。

使用场景：计算 π 常用莱布尼茨级数 π/4 = 1 - 1/3 + 1/5 - 1/7 + ...，可将求和区间按线程数均分。

下载

std::async 示例片段：

auto future = std::async(std::launch::async, [&](int start, int end) {
    double sum = 0.0;
    for (int i = start; i

注意 std::launch::async 强制异步（避免延迟求值陷阱），不写这个参数在某些编译器下可能同步执行
若用 std::thread，需提前分配 std::vector<double> results(num_threads)</double>，传入引用或指针写入，避免 vector 动态扩容引发竞争

如果你只是想快速获得多线程加速、不关心底层调度，#pragma omp parallel for reduction(+:sum) 是更可靠的选择——它自动处理数据分割、局部变量、归约合并，且兼容性好（GCC/Clang/MSVC 都支持）。

性能影响：OpenMP 的归约（reduction）在编译期生成高效代码，通常比手写 mutex 或 atomic 更快；但需链接 -fopenmp（GCC/Clang）或启用 /openmp（MSVC）。

典型写法：

#pragma omp parallel for reduction(+:sum)
for (int i = 0; i

莱布尼茨级数收敛极慢（误差约 1/n），要得到 6 位有效数字需上千万项；而浮点加法本身有舍入误差，线程越多、加法顺序越乱，最终结果偏差可能反而增大。

容易被忽略的点：多线程提速 ≠ 结果更准。100 个线程跑 1e6 项，未必比 1 个线程跑 1e8 项更接近 π。

C++免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 C++ 的入门与实战技巧！

C++多线程计算π的近似值