openmp简介
openmp riscv交叉编译
openmp riscv交叉编译OpenMP是一种并行编程接口，而RISC-V是一种基于开源指令集架构的处理器架构。
交叉编译是指在一种平台上生成另一种平台上可执行的程序。
在这里，您想要将使用OpenMP的程序交叉编译到RISC-V架构上。
首先，您需要安装RISC-V架构的交叉编译工具链，这包括交叉编译器、链接器和其他必要的工具。
您可以从RISC-V官方网站或其他可靠来源获取这些工具链。
一旦您安装了RISC-V架构的交叉编译工具链，接下来您需要确保您的程序能够使用OpenMP。
在C/C++程序中，您需要使用OpenMP 的指令和库函数。
确保您的程序能够在支持OpenMP的平台上编译和运行。
接下来，您需要使用交叉编译工具链来编译您的程序。
这涉及到使用RISC-V架构的交叉编译器来编译您的程序源代码。
您可能需要调整编译器选项和链接器选项，以确保生成的可执行文件能够在RISC-V架构上正确运行。
在编译过程中，您需要确保OpenMP库在RISC-V架构上可用。
您可能需要将OpenMP库交叉编译到RISC-V架构上，或者确保您的目标平台上有可用的OpenMP库。
最后，进行交叉编译后，您可以将生成的可执行文件传输到RISC-V架构的平台上，并在该平台上运行您的程序。
需要注意的是，交叉编译涉及到许多细节和平台特定的问题，因此在实际操作中可能会遇到各种挑战。
确保您熟悉目标平台的特性和限制，以及交叉编译工具链的使用方法和选项。
总之，交叉编译OpenMP程序到RISC-V架构上需要安装RISC-V 架构的交叉编译工具链，确保程序能够使用OpenMP，并使用交叉编译工具链来编译和链接程序。
在整个过程中，需要注意平台特定的问题和细节，以确保生成的可执行文件能够在RISC-V架构上正确运行。
openmp详解教程
Open Multi-Processing的缩写，是一个应用程序接口（API），可用于显式指导多线程、共享内存的并行性。
在项目程序已经完成好的情况下不需要大幅度的修改源代码，只需要加上专用的pragma来指明自己的意图，由此编译器可以自动将程序进行并行化，并在必要之处加入同步互斥以及通信。
当选择忽略这些pragma，或者编译器不支持OpenMp时，程序又可退化为通常的程序(一般为串行)，代码仍然可以正常运作，只是不能利用多线程来加速程序执行。
OpenMP提供的这种对于并行描述的高层抽象降低了并行编程的难度和复杂度，这样程序员可以把更多的精力投入到并行算法本身，而非其具体实现细节。
对基于数据分集的多线程程序设计，OpenMP是一个很好的选择。
OpenMP支持的语言包括C/C++、Fortran；而支持OpenMP的编译器VS、gcc、clang等都行。
可移植性也很好：Unix/Linux和Windows内存共享模型：OpenMP是专为多处理器/核，共享内存机器所设计的。
底层架构可以是UMA和NUMA。
即(Uniform Memory Access和Non-Uniform Memory Access)2.1基于线程的并行性•OpenMP仅通过线程来完成并行•一个线程的运行是可由操作系统调用的最小处理单•线程们存在于单个进程的资源中，没有了这个进程，线程也不存在了•通常，线程数与机器的处理器/核数相匹配，然而，实际使用取决与应用程序2.2明确的并行•OpenMP是一种显式（非自动）编程模型，为程序员提供对并行化的完全控制•一方面，并行化可像执行串行程序和插入编译指令那样简单•另一方面，像插入子程序来设置多级并行、锁、甚至嵌套锁一样复杂2.3 Fork-Join模型•OpenMP就是采用Fork-Join模型•所有的OpenML程序都以一个单个进程——master thread开始，master threads按顺序执行知道遇到第一个并行区域•Fork：主线程创造一个并行线程组•Join：当线程组完成并行区域的语句时，它们同步、终止，仅留下主线程2.4 数据范围•由于OpenMP时是共享内存模型，默认情况下，在共享区域的大部分数据是被共享的•并行区域中的所有线程可以同时访问这个共享的数据•如果不需要默认的共享作用域，OpenMP为程序员提供一种“显示”指定数据作用域的方法2.5嵌套并行•API提供在其它并行区域放置并行区域•实际实现也可能不支持2.6动态线程•API为运行环境提供动态的改变用于执行并行区域的线程数•实际实现也可能不支持3.openmp使用需要使用openmp就需要引入omp.h库文件。
OpenMP例程使用手册
OpenMP例程使用手册目录1 OpenMP简介 (2)2 OpenMP例程编译 (2)2.1安装gawk (2)2.2编译例程 (2)2.3拷贝例程到开发板 (3)3例程测试 (5)3.1 dspheap (5)3.2 vecadd (6)3.3 vecadd_complex (6)3.4 其他例程测试说明 (7)更多帮助.................................................................................................... 错误！未定义书签。
公司官网： 销售邮箱：sales@ 公司总机：020-8998-6280 1/7技术论坛： 技术邮箱：support@ 技术热线：020-3893-97341 OpenMP简介OpenMP用于共享内存并行系统的多处理器程序设计的一套指导性的编译处理方案（Compiler Directive）。
它是为在多处理机上编写并行程序而设计的一个应用编程接口。
它包括一套编译指导语句和一个用来支持它的函数库。
OpenMP提供的这种对于并行描述的高层抽象降低了并行编程的难度和复杂度，这样程序员可以把更多的精力投入到并行算法本身，而非其具体实现细节。
对基于数据分集的多线程程序设计，OpenMP是一个很好的选择。
同时，使用OpenMP也提供了更强的灵活性，可以较容易的适应不同的并行系统配置。
线程粒度和负载平衡等是传统多线程程序设计中的难题，但在OpenMP中，OpenMP库从程序员手中接管了部分这两方面的工作。
但是，作为高层抽象，OpenMP并不适合需要复杂的线程间同步和互斥的场合。
OpenMP的另一个缺点是不能在非共享内存系统（如计算机集群）上使用。
在这样的系统上，MPI使用较多。
2 OpenMP例程编译2.1安装gawk此工具为编译的必要工具，在Ubuntu下安装：Host#sudoapt-get install gawk图12.2编译例程请先安装ti-processor-sdk-linux-am57xx-evm-03.01.00.06，安装步骤请参照《相关软件安装》文档，安装之后进入SDK根目录，执行编译命令：Host#make openmpacc-examples图2编译成功后，会在SDK根目录“example-applications/openmpacc-examples-1.4.0.2/”目录下生成可执行文件。
OpenMP编程
1 体系结构
共享内存多处理器
内存是共享的，某一个处理器写入内存的数据 会立刻被其它处理器访问到。
处理器 P0 P1 P2 Pn
共享内存
分布式内存
每一个处理器或者一组处理器有一个自己私有 的内存单元 共享或者不共享一个公用的内存单元
5
2 OpenMP编程基础
以线程为基础，通过编译指导语句来显式地指导 并行化，为编程人员提供对并行化的完整控制。 采用Fork-Join的执行模式
21:14 30
并行for循环制导：调度子句SCHEDULE
schedule (dynamic [, chunksize]） :
划分迭代空间为chunksize大小的区间，然后基于先来先服务方式分配给各线程； 当省略chunksize时，其默认值为1。
类似于DYNAMIC调度，但区间开始大，然后迭代区间越来越少，循环区间的 划分是基于类似下列公式完成的（不同的编译系统可能不同）：
28
并行for循环制导：调度子句SCHEDULE
该子句给出迭代循环划分后的块大小和线程执行的块范围 C/C++： schedule (kind，[ chunksize]）
其中：kind为STATIC, DYNAMIC或RUNTIME chunksize是一个整数表达式
21:14
29
子句说明 schedule (static[, chunksize]） :
省略chunksize，迭代空间被划分成（近似）相同大小 的区域，每个线程被分配一个 区域； 如果chunksize被指明，迭代空间被划分为chunksize 大小，然后被轮转的分配给各个线程
openmp用法
openmp用法OpenMP是一种支持共享内存多线程编程的标准API。
它提供了一种简单而有效的方法，用于在计算机系统中利用多核和多处理器资源。
本文将逐步介绍OpenMP的用法和基本概念，从简单的并行循环到复杂的并行任务。
让我们一步一步来学习OpenMP吧。
第一步：环境设置要开始使用OpenMP，我们首先需要一个支持OpenMP的编译器。
常见的编译器如GCC、Clang和Intel编译器都支持OpenMP。
我们需要确保在编译时启用OpenMP支持。
例如，在GCC中，可以使用以下命令来编译包含OpenMP指令的程序：gcc -fopenmp program.c -o program第二步：并行循环最简单的OpenMP并行化形式是并行循环。
在循环的前面加上`#pragma omp parallel for`指令，就可以让循环被多个线程并行执行。
例如，下面的代码演示了如何使用OpenMP并行化一个简单的for循环：c#include <stdio.h>#include <omp.h>int main() {int i;#pragma omp parallel forfor (i = 0; i < 10; i++) {printf("Thread d: d\n", omp_get_thread_num(), i);}return 0;}在上面的例子中，`#pragma omp parallel for`指令会告诉编译器将for 循环并行化。
`omp_get_thread_num()`函数可以获取当前线程的编号。
第三步：数据共享与私有变量在并行编程中，多个线程可能会同时访问和修改共享的数据。
为了避免数据竞争和不一致的结果，我们需要显式地指定哪些变量是共享的，哪些变量是私有的。
我们可以使用`shared`和`private`子句来指定。
`shared`子句指定某个变量为共享变量，对所有线程可见。
openmp reduction 标量算术类型
OpenMP（Open Multi-Processing）是一种并行编程的标准，它可以帮助程序员利用计算机系统中的多个处理器和多核心来加速程序的执行。
在其中，reduction是能够在并行循环中实现对变量的求和或其他运算。
本文将介绍OpenMP中reduction在标量算术类型上的应用。
1. 什么是OpenMP reduction？OpenMP reduction指的是将并行循环中的运算结果进行归约（reduction）操作，得到最终的结果。
归约操作可以是对变量进行求和、求积、求最大值、求最小值等。
在OpenMP中，reduction可以加速并行程序的执行，因为它减少了不必要的竞争和同步。
2. 标量算术类型在OpenMP中，reduction可以应用于多种数据类型，包括整型、浮点型、逻辑型等。
其中，标量（scalar）指的是单个数值，而标量算术类型则是指在并行循环中对单个数值进行运算的数据类型。
3. 如何在OpenMP中使用reduction？在OpenMP中，要在并行循环中使用reduction，首先需要在循环的并行区域添加reduction子句。
在C/C++中，可以使用如下的语法：```#pragma omp parallel for reduction(+:sum)for (int i = 0; i < N; i++) {sum += array[i];}```在上面的示例中，我们使用了reduction(+:sum)来对循环中的sum 变量进行求和操作。
这样，OpenMP会自动对sum变量进行归约操作，在每个线程中计算局部的求和结果，并最终将所有线程的结果进行合并得到最终的全局求和结果。
4. 不同标量算术类型的应用在实际应用中，我们可以针对不同的算术类型使用reduction操作。
例如对于整型的求和、浮点型的求积、逻辑型的逻辑与或运算等。
在OpenMP中，可以通过在reduction子句中指定不同的运算符来实现这些操作。
linux openmp 例子程序
linux openmp 例子程序标题：Linux OpenMP例子程序1. OpenMP简介OpenMP是一种并行编程模型，可以在共享内存系统上实现并行计算。
它使用指令集和编译器指示来将串行代码转换为并行代码，从而实现更高效的计算。
2. Hello World程序下面是一个简单的OpenMP程序，用于打印“Hello World”：```c#include <stdio.h>#include <omp.h>int main() {#pragma omp parallel{int thread_id = omp_get_thread_num();printf("Hello World from thread %d\n", thread_id);}return 0;}```该程序使用了`#pragma omp parallel`指令来创建线程，并使用`omp_get_thread_num()`函数获取线程ID。
3. 并行for循环OpenMP可以很方便地并行化for循环。
下面是一个计算数组元素和的例子：```c#include <stdio.h>#include <omp.h>int main() {int sum = 0;#pragma omp parallel for reduction(+:sum)for (int i = 0; i < 100; i++) {sum += i;}printf("Sum: %d\n", sum);return 0;}```在上述代码中，`#pragma omp parallel for`指令将for循环并行化，`reduction(+:sum)`指示OpenMP将每个线程的局部和累加到全局和`sum`中。
4. 并行化矩阵乘法OpenMP也可以用于并行化矩阵乘法。
下面是一个简单的矩阵乘法示例：```c#include <stdio.h>#include <omp.h>#define N 100void matrix_multiply(int A[N][N], int B[N][N], int C[N][N]) {#pragma omp parallel forfor (int i = 0; i < N; i++) {for (int j = 0; j < N; j++) {C[i][j] = 0;for (int k = 0; k < N; k++) {C[i][j] += A[i][k] * B[k][j];}}}}int main() {int A[N][N];int B[N][N];int C[N][N];// 初始化A和B矩阵matrix_multiply(A, B, C);// 打印结果return 0;}```在上述代码中，`#pragma omp parallel for`指令将外层循环并行化，从而加快矩阵乘法的计算速度。
基于openmp的并行矩阵乘法
基于OpenMP的并行矩阵乘法1. 概述并行计算是当代计算机科学领域中的一个重要研究方向，随着多核和并行处理器的广泛应用，利用并行计算技术提高计算效率成为了迫切的需求。
矩阵乘法作为线性代数中的重要运算，在科学计算、图形学和机器学习等领域有着广泛的应用。
基于OpenMP的并行矩阵乘法算法能够充分利用多核处理器的并行计算能力，提高计算效率。
2. OpenMP并行编程简介OpenMP是一种基于共享内存的并行编程技术，可以在C/C++、Fortran等编程语言中使用。
它通过在源代码中嵌入一些指令来实现并行化，使得程序员可以很方便地对现有代码进行并行化改造。
OpenMP提供了一系列的指令和库函数，使得并行程序的编写变得更加容易。
3. 矩阵乘法的串行算法矩阵乘法的串行算法是最常见的，其时间复杂度为O(n^3)。
对于两个矩阵A和B相乘，其乘积矩阵C的元素C[i][j]计算方式为：C[i][j] = ΣA[i][k]*B[k][j]，其中k取值范围为1到矩阵的行数或列数。
串行算法的实现比较简单，但在大规模矩阵计算时效率较低。
4. 基于OpenMP的并行矩阵乘法算法基于OpenMP的并行矩阵乘法算法可以利用多核处理器的并行计算能力，提高计算效率。
下面我们将介绍一种基于OpenMP的并行矩阵乘法算法的实现方法。
5. 并行矩阵乘法的实现在使用OpenMP进行并行化时，可以针对矩阵乘法中的循环结构进行并行化处理。
以矩阵乘法C=AB为例，其中A为m×n矩阵，B为n×p矩阵，C为m×p矩阵。
我们可以将矩阵乘法按照不同的方法进行并行化，并结合OpenMP的指令进行并行计算。
一种常见的方法是使用循环并行化，将内层的乘法运算循环并行化，即将矩阵C的计算过程并行化。
另一种方法是使用数据并行化，将矩阵A、B、C的元素分配给不同的线程进行计算，然后将结果合并得到最终结果。
6. 并行矩阵乘法算法的优化在实际应用中，我们可以针对具体的矩阵大小和计算资源进行优化。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
OpenMP编程基础1、可以说OpenMP制导指令将C语言扩展为一个并行语言，但OpenMP本身不是一种独立的并行语言，而是为多处理器上编写并行程序而设计的、指导共享内存、多线程并行的编译制导指令和应用程序编程接口（API），可在C/C++和Fortran（77、90和95）中应用，并在串行代码中以编译器可识别的注释形式出现。
OpenMP标准是由一些具有国际影响力的软件和硬件厂商共同定义和提出，是一种在共享存储体系结构的可移植编程模型，广泛应用与Unix、Linux、Windows等多种平台上。
2.1 OpenMP基本概念首先来了解OpenMP的执行模式和三大要素。
2.1.1 执行模式OpenMP的执行模型采用fork-join的形式，其中fork创建新线程或者唤醒已有线程；join即多线程的会合。
fork-join执行模型在刚开始执行的时候，只有一个称为“主线程”的运行线程存在。
主线程在运行过程中，当遇到需要进行并行计算的时候，派生出线程来执行并行任务。
在并行执行的时候，主线程和派生线程共同工作。
在并行代码执行结束后，派生线程退出或者阻塞，不再工作，控制流程回到单独的主线程中。
OpenMP的编程者需要在可并行工作的代码部分用制导指令向编译器指出其并行属性，而且这些并行区域可以出现嵌套的情况，如图2.1所示。
对并行域（Paralle region）作如下定义：在成对的fork和join之间的区域，称为并行域，它既表示代码也表示执行时间区间。
对OpenMP线程作如下定义：在OpenMP程序中用于完成计算任务的一个执行流的执行实体，可以是操作系统的线程也可以是操作系统上的进程。
2.1.2 OpenMP编程要素OpenMP编程模型以线程为基础，通过编译制导指令来显式地指导并行化，OpenMP为编程人员提供了三种编程要素来实现对并行化的完善控制。
它们是编译制导、API函数集和环境变量。
编译制导在C/C++程序中，OpenMP的所有编译制导指令是以#pragma omp开始，后面跟具体的功能指令（或命令），其具有如下形式：#pragma omp 指令[子句[, 子句] …]支持OpenMP的编译器能识别、处理这些制导指令并实现其功能。
其中指令或命令是可以单独出现的，而子句则必须出现在制导指令之后。
制导指令和子句按照功能可以大体上分成四类：1）并行域控制类；2）任务分担类；3）同步控制类；并行域控制类指令用于指示编译器产生多个线程以并发执行任务，任务分担类指令指示编译器如何给各个并发线程分发任务，同步控制类指令指示编译器协调并发线程之间的时间约束关系等。
1）OpenMP规范中的指令有以下这些：⏹ parallel：用在一个结构块之前，表示这段代码将被多个线程并行执行；⏹ for：用于for循环语句之前，表示将循环计算任务分配到多个线程中并行执行，以实现任务分担，必须由编程人员自己保证每次循环之间无数据相关性；⏹ parallel for：parallel 和for指令的结合，也是用在for循环语句之前，表示for循环体的代码将被多个线程并行执行，它同时具有并行域的产生和任务分担两个功能；⏹ sections：用在可被并行执行的代码段之前，用于实现多个结构块语句的任务分担，可并行执行的代码段各自用section指令标出（注意区分sections和section）；⏹ parallel sections：parallel和sections两个语句的结合，类似于parallel for；⏹ single：用在并行域内，表示一段只被单个线程执行的代码；⏹ critical：用在一段代码临界区之前，保证每次只有一个OpenMP线程进入；⏹ flush：保证各个OpenMP线程的数据影像的一致性；⏹ barrier：用于并行域内代码的线程同步，线程执行到barrier时要停下等待，直到所有线程都执行到barrier时才继续往下执行；⏹ atomic：用于指定一个数据操作需要原子性地完成；⏹ master：用于指定一段代码由主线程执行；⏹ threadprivate：用于指定一个或多个变量是线程专用，后面会解释线程专有和私有的区别。
2）相应的OpenMP的子句有以下一些：⏹ private：指定一个或多个变量在每个线程中都有它自己的私有副本；⏹ firstprivate：指定一个或多个变量在每个线程都有它自己的私有副本，并且私有变量要在进入并行域或任务分担域时，继承主线程中的同名变量的值作为初值；⏹ lastprivate：是用来指定将线程中的一个或多个私有变量的值在并行处理结束后复制到主线程中的同名变量中，负责拷贝的线程是for或sections任务分担中的最后一个线程；⏹ reduction：用来指定一个或多个变量是私有的，并且在并行处理结束后这些变量要执行指定的归约运算，并将结果返回给主线程同名变量；⏹ nowait：指出并发线程可以忽略其他制导指令暗含的路障同步；⏹ num_threads：指定并行域内的线程的数目；⏹ schedule：指定for任务分担中的任务分配调度类型；⏹ shared：指定一个或多个变量为多个线程间的共享变量；⏹ ordered：用来指定for任务分担域内指定代码段需要按照串行循环次序执行；⏹ copyprivate：配合single指令，将指定线程的专有变量广播到并行域内其他线程的同名变量中；⏹ copyin：用来指定一个threadprivate类型的变量需要用主线程同名变量进行初始化；⏹ default：用来指定并行域内的变量的使用方式，缺省是shared。
这些制导指令将会在后面的编程部分进行详细说明解释。
API函数除上述编译制导指令之外，OpenMP还提供了一组API函数用于控制并发线程的某些行为，下面列出OpenMP 2.5所有的API函数：环境变量OpenMP规范定义了一些环境变量，可以在一定程度上控制OpenMP程序的行为。
以下是开发过程中常用的环境变量1. OMP_SCHEDULE：用于for循环并行化后的调度，它的值就是循环调度的类型；2. OMP_NUM_THREADS：用于设置并行域中的线程数；3. OMP_DYNAMIC：通过设定变量值，来确定是否允许动态设定并行域内的线程数；4. OMP_NESTED：指出是否可以并行嵌套。
2.2 OpenMP编程下面的内容按照功能进行划分，每个功能部分将可能综合使用编译制导、环境变量和OpenMP API 函数这三种要素。
2.2.1 并行域管理设计并行程序时，首先需要多个线程来并发地执行任务，因此OpenMP编程中第一步就是应该掌握如何产生出多个线程。
如前面所实，在OpenMP的相邻的fork、join操作之间我们称之为一个并行域，并行域可以嵌套。
parallel制导指令就是用来创建并行域的，它也可以和其他指令如for、sections等配合使用形成复合指令。
在C/C++中，parallel的使用方法如下：#pragma omp parallel [for | sections] [子句[子句]…]{...代码...}parallel语句后面要用一个大括号对将要并行执行的代码括起来。
1. void main(int argc, char *argv[]) {2. #pragma omp parallel3. { 并行域的开始(对应fork)4. printf(“Hello, World!\n”);5. } 并行域的结束（对应join）6. }执行以上代码将会打印出以下结果Hello, World!Hello, World!Hello, World!Hello, World!可以看得出parallel语句中的代码被“相同”地执行了4次，说明总共创建了4个线程来执行parallel语句中的代码。
为了指定使用多少个线程来执行，可以通过设置环境变量OMP_NUM_THREADS或者调用omp_set_num_theads()函数，也可以使用num_threads子句，前者只能在程序刚开始运行时起作用，而API函数和子句可以在程序中并行域产生之前起作用。
使用num_threads子句的例子如下：1. void main(int argc, char *argv[]) {2. #pragma omp parallel num_threads(8)3. {4. printf(“Hello, World!, ThreadId=%d\n”, omp_get_thread_num() );5. }6. }执行以上代码，将会打印出以下结果：Hello, World!, ThreadId = 2Hello, World!, ThreadId = 6Hello, World!, ThreadId = 4Hello, World!, ThreadId = 0Hello, World!, ThreadId = 5Hello, World!, ThreadId = 7Hello, World!, ThreadId = 1Hello, World!, ThreadId = 3从ThreadId的不同可以看出创建了8个线程来执行以上代码。
所以parallel指令是用来产生或唤醒多个线程创建并行域的，并且可以用num_threads子句控制线程数目。
parallel域中的每行代码都被多个线程重复执行。
和传统的创建线程函数比起来，其过程非常简单直观。
parallel的并行域内部代码中，若再出现parallel制导指令则出现并行嵌套问题，如果设置了OMP_NESTED环境变量，那么在条件许可时内部并行域也会由多个线程执行，反之没有设置相应变量，那么内部并行域的代码将只由一个线程来执行。
还有一个环境变量OMP_DYNAMIC也影响并行域的行为，如果没有设置该环境变量将不允许动态调整并行域内的线程数目，omp_set_dynamic()也是用于同样的目的。
2.2.2 任务分担当使用parellel制导指令产生出并行域之后，如果仅仅是多个线程执行完全相同的任务，那么只是徒增计算工作量而不能达到加速计算的目的，甚至可能相互干扰得出错误结果。
因此在产生出并行域之后，紧接着的问题就是如何将计算任务在这些线程之间分配，并加快计算结果的生成速度及其保证正确性。
OpenMP可以完成的任务分担的指令只有for、sections和single，严格意义上来说只有for和sections是任务分担指令，而single只是协助任务分担的指令。
我们对任务分担域定义如下：由for、sections或single制导指令限定的代码及其执行时间段，也就是说任务分担域和并行域的定义一样，既是指代码区间也是之执行时间区间。