你有两个基本的选择，第三个是遥远的。在我看来，其他一切都不是真正可取的。如果您想自己完成 100% 的工作，您可以使用 Pthreads（和 Boost::Thread）。您将不得不编写自己的障碍和缩减，生成线程本地存储，并且通常会完成所有繁重的工作。通过所有这些工作，您可以获得所有您想要的控制。

OpenMP 通过隐藏大部分细节来消除大部分这些问题。如果您需要同时进行任务并行和工作共享，则需要更现代的实现。GCC 正在出现，但我很长时间没有将它的完整性或性能与 Intel 编译器进行比较。英特尔编译器的 OpenMP 实现传统上非常好。使用 OpenMP，您可以免费获得并行循环、任务、原子/主/单个区域，这似乎涵盖了 99% 的科学计算需求（这意味着 PDE 和 ODE 模拟以及线性代数）。有许多库（如英特尔 MKL）使用/与 OpenMP 合作，所以这也是一个优势。使用 OpenMP 4.0，您可以卸载加速器，但我认为英特尔是唯一支持该加速器的，并且仅适用于 Xeon Phi。

TBB 虽然现在是开源的，但使用较少且未标准化。话虽如此，它非常强大，具有许多类似 OpenMP 的结构，并且非常 C++y。但是，如果您尝试与任何人共享您的 TBB 代码，他们可能无法帮助您，因为它不太熟悉。

我能想到的所有其他东西的采用率都较低，不够健壮，可编程性较差，或者性能较差。我的清单包括 OpenCL（在 CPU 而非 GPU 上）、Haskell、Julia、Chapel、X10、UPC、Co-Array Fortran、Python 多处理等。

除非您是一个喜欢探索新语言以获得乐趣的语言书呆子，否则我不建议您编写一个科学应用程序，该应用程序需要看到曙光，具有性能，并且使用除 C/C++/Fortran 和 OpenMP 之外的任何库用于穿线。对于传统的科学计算，有太多的库期望 C/线程接口浪费您的时间重新发明轮子。