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]
同一时候出现则a不被识别为切片变量。
a[i+1]
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
命令能够打开n个worker。
n -
matlabpool
依照指定配置打开,默认配置为
open confignamelocal
。 - 程序执行结束后,应该使用
matlabpool
关闭worker。
close - 配置项的改动能够通过
Parallel
完毕。
-> Manage Cluster Profile - 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。
转载请注明作者:Focustc,博客地址为http://blog.****.net/caozhk。原文链接为点我