【高性能】Matlab的并行计算之parfor

当matlab计算量很大，重复独立的循环计算很多的时候，我们可以使用matlab的并行计算，这里我先试验了parfor并行计算。以下代码仅适合新版的matlab，改编自《实战matlab之并行程序设计》。

启动代码：

function [pool] = startmatlabpool(size)
pool=[];
isstart = 0;
if isempty(gcp('nocreate'))==1
    isstart = 1;
end
if isstart==1
    if nargin==0
        pool=parpool('local');
    else
        try
            pool=parpool('local',size);%matlabpool('open','local',size);
        catch ce
            pool=parpool('local');%matlabpool('open','local');
            size = pool.NumWorkers;
            display(ce.message);
            display(strcat('restart. wrong  size=',num2str(size)));
        end
    end
else
    display('matlabpool has started');
    if nargin==1
        closematlabpool;
        startmatlabpool(size);
    else
        startmatlabpool();
    end
end

关闭代码：

function [] = closematlabpool
if isempty(gcp('nocreate'))==0
    delete(gcp('nocreate'));
end

测试代码：

pool = startmatlabpool(4);
N=1000;
M=100;
data = cell(1,N);
for kk = 1:N
   data{kk} = rand(M);
end
display(strcat('datasize:',num2str(N*M*M/1024/1024),'M doubles'));
tic;
parfor ii = 1:N
     c1(:,ii) = eig(data{ii});
end
t1 = toc; 
display(strcat('parafor:',num2str(t1),'seconds'));
 
tic;
for ii = 1:N
     c2(:,ii) = eig(data{ii});
end
t2 = toc; 
display(strcat('for:',num2str(t2),'seconds'));
 
closematlabpool;

结果：

datasize:9.5367M doubles
parafor:1.6411seconds
for:3.908seconds
Parallel pool using the 'local' profile is shutting down.

可以看出parfor计算速度快了一半。

 

问答1：能否汇总各个线程的数据？

在openMP中也有这个问答：

for i = 1 : 1000

sum = sum + i;

end

 

如果是并行的话，每个A在线程中都有自己的一份拷贝，那么最后得到的A是不可预计的。

openMP的解决方法是增加了reduction子句：

#pragma omp parallel for reduction(+: sum)

for ( i = 1; i < 1001; i++ )

{

        sum += i;

}

这样sum就是1-1000的和。

在matlab中，matlab自己会默认把sum的加法设置为reduction加法，称为简约/规约操作，反正不进行这个操作的话也没有其他意义。ORZ

代码：

startmatlabpool(4)
sum = 0;
parfor i = 1:1000
    sum = sum + i;
end
sum
closematlabpool;

结果：sum=500500

事实上可以进行连续操作的操作符都支持简约操作，比如*，.*，+，-，&，|，[,expr]等等。

不过简约操作有很多陷阱，所以简化并行操作和增加一致性是非常必要的。

 

问答2：parfor的变量有什么讲究？

其实没什么讲究，比起openMP来parfor要简单的多，好用说不上，但是方便简单的并行操作。所有的变量直接用就行了，书上的各种变量种类都是唬人的，不过请注意非简约操作情况下答案是否正确，以及不要随便修改输入变量（修改后的结果无法预计）。

 

问答3：parfor语句作用域能用break吗?

答案是不能。这个不能在特定情况下直接退出，就是说一旦运行就要执行下去。另外parfor是最低端的并行语句，在作用域内部也不能使用spmd，parfor嵌套，不过可以使用含有parfor的函数。

 

问答4：什么时候使用parfor

其实用了一下感觉他的作用并不大，各种并行控制手段都没有……如果数据量特别大，各个循环域之间相对独立，就可以用parfor。另外matlab启动并行环境也比较慢。