Matlab的parfor并行编程

• 通常消耗最多计算资源的程序往往是循环。

  把循环并行化。或者优化循环体中的代码是最经常使用的加快程序执行速度的思路。

• Matlab提供了parforkeyword，能够非常方便的在多核机器或集群上实现并行计算。

parforkeyword的使用

• 由forkeyword引导的循环通常为串行运行。假设改为parfor则能够由多个worker以并行方式运行。
• parfor能够将n次循环分解为独立不相关的m部分，然后将各部分分别交给一个worker运行。
• 循环运行的结果应该与n次循环运行的顺序无关。

parfor中的变量类型

简约变量

• 一般parfor中各次循环相应的运算应该相互独立，但简约操作能够在多次循环内同一时候对一个变量操作。这样的变量称为简约变量。

  比例如以下方代码中a就是简约变量。

  a = 0;
  for i = 1:1000
    a = a+i;
  end

• 简约操作包含+ - * .* & | [,] [;] {,} {;} min max union intersect。
• 同一个parfor循环对简约变量的操作必须一致。即必须是同一种简约操作符。并且与操作符的相对位置也必须一致。

• 简约变量赋值表达式应该满足结合律和交换律。

  * [] {}底层有特殊处理保证结果的正确性。

切片变量

• parfor中可能须要读取或写入parfor之外的矩阵，读取写入位置与循环变量相关。这样就须要向worker传输大量的数据。

• 矩阵假设被Matlab识别为切片变量，则数据能够分段传输到各worker，提高传输效率。

• 切片变量矩阵的大小是不可在parfor中改变的。且为了保证Matlab识别正确。每次循环中仅仅能读取由同一个索引值索引的切片。如a[i] a[i+1]同一时候出现则a不被识别为切片变量。

循环变量

• 如上例中的i，表示当前循环的id。

广播变量

• 在parfor之前赋值，在parfor内仅仅进行读取操作。

暂时变量

• 作用域局限于parfor内。parfor结束后不存在。

  不影响parfor之前声明的同名变量。

各种变量区分的样例

• 下例中，parfor中的tmp是暂时变量，parfor结束后tmp的值依旧是5，不受暂时变量的影响。
• broadcast是广播变量。每次循环中的值不变。
• redued是简约变量。Matlab对其的值将分段由各worker计算后送回主进程处理。
• sliced为切片变量。传输数据有优化提升。
• i为循环变量。

  tmp = 5;
  broadcast = 1;
  reduced = 0;
  sliced = ones(1, 10);
  parfor i = 1:10
    tmp = i;
    reduced = reduced + i + broadcast;
    sliced(i) = sliced(i) * i;
  end

worker配置

• 在执行程序之前。须要配置worker。否则如前文所说，parfor循环将以普通for循环的形式执行，无法并行。

单机配置

• 使用matlabpool命令能够开启关闭本机的并行计算池。
• matlabpool n命令能够打开n个worker。
• matlabpool open configname依照指定配置打开，默认配置为local。

• 程序执行结束后，应该使用matlabpool close关闭worker。
• 配置项的改动能够通过Parallel -> Manage Cluster Profile完毕。

• n的选择：假设有c个cpu核心，通常能够设置为c。假设是远程server，为防止server响应卡顿，能够设置为c-1。

  对于计算密集型程序，超线程带来的性能提升差点儿为0，能够设置为核心数，而不是线程数。

注意事项

• 循环次数n最好能整除以worker个数m，否则部分worker会分配较多的循环，造成一部分worker闲置一段时间，减少了并行性。
• 并行执行时各个worker之间会进行通信。要注意大量传输数据带来的性能下降。

  尤其对于广播变量。假设较大可尝试变为切片变量。