我有一个间隔树算法，我想对许多使用线程的查询并行运行。问题在于每个线程都需要一个自己的数组，因为我事先无法知道会有多少次命中。
还有其他类似的问题，建议的解决方案始终是使用大小为（K，t）的数组，其中K是输出长度，t是线程数。这对我不起作用，因为每个线程的K可能不同，并且每个线程可能需要调整数组的大小以适合其获得的所有结果。
伪代码：
for i in prange(len(starts)):
qs,qe,qx = starts[i],ends[i],index[i]
results = t.search(qs,qe)
if len(results) + nfound < len(output):
# add result to output
else:
# resize array
# then add results
通常的模式是每个线程都有自己的容器，这是速度/复杂度与内存开销之间的权衡：
i值）”相比，开销要少得多。在并行部分之后，必须在后处理步骤中将数据收集在最终容器中（这也可以并行发生），或者后续算法应该能够处理容器的收集。
以下是使用c ++-vector的示例（已经具有内存管理功能并内置了增加的大小）：
%%cython -+ -c=/openmp --link-args=/openmp
from cython.parallel import prange,threadid
from libcpp.vector cimport vector
cimport openmp
def calc_in_parallel(N):
cdef int i,k,tid
cdef int n = N
cdef vector[vector[int]] vecs
# every thread gets its own container
vecs.resize(openmp.omp_get_max_threads())
for i in prange(n,nogil=True):
tid = threadid()
for k in range(i):
# use container of the thread
vecs[tid].push_back(k) # dummy for calculation
return vecs
在许多情况下，将omp_get_max_threads()用于线程数会高估实际线程数。在prange中显式设置线程数（即
...
NUM_THREADS = 2
vecs.resize(NUM_THREADS)
for i in prange(n,nogil=True,num_threads = NUM_THREADS):
...
使用纯C可以应用类似的方法，但是在这种情况下将需要更多的样板代码（内存管理）。