Answers:
我认为没有任何区别，一个是另一个的捷径。尽管您的确切实现可能会以不同的方式处理它们。
组合的并行工作共享结构是指定包含一个工作共享结构而没有其他语句的并行结构的快捷方式。允许的子句是并行和工作共享结构所允许的子句的并集。
取自 http://www.openmp.org/mp-documents/OpenMP3.0-SummarySpec.pdf
OpenMP的规格在这里：
这是使用split parallel和for here的示例。简而言之，它可以用于for在多个线程中执行循环之前动态分配OpenMP线程专用数组。无法在中进行相同的初始化parallel for万一。
UPD：在问题示例中，单个编译指示和两个编译指示没有区别。但是在实践中，您可以使用分离的并行指令和for指令来实现更多的线程感知行为。一些代码例如：
#pragma omp parallel
{
double *data = (double*)malloc(...); // this data is thread private
#pragma omp for
for(1...100) // first parallelized cycle
{
}
#pragma omp single
{} // make some single thread processing
#pragma omp for // second parallelized cycle
for(1...100)
{
}
#pragma omp single
{} // make some single thread processing again
free(data); // free thread private data
}
在g ++ 4.7.0中使用for循环并使用时，我看到的运行时截然不同
std::vector<double> x;
std::vector<double> y;
std::vector<double> prod;
for (int i = 0; i < 5000000; i++)
{
double r1 = ((double)rand() / double(RAND_MAX)) * 5;
double r2 = ((double)rand() / double(RAND_MAX)) * 5;
x.push_back(r1);
y.push_back(r2);
}
int sz = x.size();
#pragma omp parallel for
for (int i = 0; i< sz; i++)
prod[i] = x[i] * y[i];
序列号（no openmp）在79毫秒内运行。“ parallel for”代码在29毫秒内运行。如果我省略for和使用#pragma omp parallel，则运行时将达到179ms，这比串行代码要慢。（机器的硬件并发性为8）
该代码链接到 libgomp
#pragma omp for，就根本没有多线程共享循环。但是，这是不是OP的情况下，无论如何，有一个额外的重试#pragma omp for内#pragm omp parallel和它应该运行类似（如果不相同）之类的#pragma omp parallel for版本。
显然有很多答案，但是这个答案非常好（带有源代码）
#pragma omp for仅将循环的一部分委派给当前团队中的不同线程。团队是执行程序的一组线程。在程序启动时，团队仅由一个 成员组成：运行程序的主线程。要创建新的线程组，您需要指定parallel关键字。可以在周围的上下文中指定：
#pragma omp parallel { #pragma omp for for(int n = 0; n < 10; ++n) printf(" %d", n); }
和：
什么是：平行的，对于一个团队
parallel，parallel for和for之间的区别如下：
团队是当前执行的线程组。在程序开始时，团队由一个线程组成。在下一个块/语句的持续时间内，并行构造将当前线程拆分为一个新的线程组，此后该团队又合并为一个。for将for循环的工作分配到当前团队的各个线程之间。
它不创建线程，仅在当前执行的团队的线程之间分配工作。parallel for是一次同时执行两个命令的缩写：parallel和for。Parallel创建一个新团队，并拆分该团队以处理循环的不同部分。如果您的程序从不包含并行构造，则线程数不超过一个；与非线程程序一样，启动程序并运行程序的主线程。
schedule(static, chunk)在for指令中使用子句时，出现问题。该代码运行良好，但是当我从MPI程序调用此代码时，它会陷入无限循环。在此循环的所有迭代中，循环计数器均为零。我在#pragma omp parallel指令中将循环计数器定义为私有。不知道为什么它仅在MPI调用代码时失败。如果有关系，我可以肯定每个MPI进程都在群集的不同处理器上运行。不知道时间表是否会导致问题。