同样的代码使用openmp在不同的程序中，加速效果差距

我使用openmp对一段代码进行并行加速，使用了32个线程，在下面代码里面测试加速了8-9倍，而把它加入到别的程序里面只有0.5倍的加速，而且还不稳定，有时候没效果。

#include <stdio.h>
#include <mpi.h>
#include <iostream>
#include <stdlib.h>
using namespace std;
#ifdef _OPENMP
#include <omp.h>
#endif
#define NXT 256
#define NYT 128
#define NZT 128
#include <sys/time.h>
double cpuSecond()
{
    struct timeval tp;
    gettimeofday(&tp, NULL);
    return (double)tp.tv_sec + (double)tp.tv_usec * 1.e-6;
}

int main()
{
    MPI_Init(NULL, NULL);
    double *p, *u, *v, *w;
    p = (double *)malloc((NXT + 2) * (NYT + 2) * (NZT + 2) * sizeof(double));
    u = (double *)malloc((NXT + 2) * (NYT + 2) * (NZT + 2) * sizeof(double));
    v = (double *)malloc((NXT + 2) * (NYT + 2) * (NZT + 2) * sizeof(double));
    w = (double *)malloc((NXT + 2) * (NYT + 2) * (NZT + 2) * sizeof(double));
  
    double t1, t2;
    t1 = cpuSecond();
    for (int n = 0; n < NXT*NYT*NZT; ++n)
    {
        int i = n / (NYT * NZT) + 1;
        int j = (n % (NYT * NZT)) / NZT + 1;
        int k = (n % (NYT * NZT)) % NZT + 1;
        int id = i * (NYT + 2) * (NZT + 2) + j * (NZT + 2) + k;
        u[id] = 1;
        v[id] = 1;
        w[id] = 1;
        p[id] = 1;
    }
    t2 = cpuSecond();
    cout << " noomp:" << t2 - t1 << endl;
    t1 = cpuSecond();
#pragma omp parallel for
    for (int n = 0; n <  NXT*NYT*NZT; ++n)
    {
        int i = n / (NYT * NZT) + 1;
        int j = (n % (NYT * NZT)) / NZT + 1;
        int k = (n % (NYT * NZT)) % NZT + 1;
        int id = i * (NYT + 2) * (NZT + 2) + j * (NZT + 2) + k;
        u[id] = 1;
        v[id] = 1;
        w[id] = 1;
        p[id] = 1;
    }
    t2 = cpuSecond();
    cout << " omp:" << t2 - t1 << endl;
    MPI_Finalize();
    return 0;
}

下面是这个程序加速效果，另一个程序比较大，但是加速的代码段，数据规模都是一样大的。

无profiler不要谈效率！！尤其在这个云计算、虚拟机、模拟器、CUDA、多核 、多级cache、指令流水线、多种存储介质、……满天飞的时代！

是否用了嵌套并行？