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常用的加快程序运行速度的思路。
• Matlab提供了parfor关键字，可以很方便的在多核机器或集群上实现并行计算。

parfor关键字的使用

• 由for关键字引导的循环通常为串行运行，如果改为parfor则可以由多个worker以并行方式执行。
• parfor可以将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执行。
• 循环执行的结果应该与n次循环执行的顺序无关。

parfor中的变量类型

简约变量

• 一般parfor中各次循环对应的运算应该相互独立，但简约操作可以在多次循环内同时对一个变量操作。这种变量称为简约变量。例如下方代码中a就是简约变量。

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

• 简约操作包括+ - * .* & | [,] [;] {,} {;} 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。而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中可能需要读取或写入parfor之外的矩阵，读取写入位置与循环变量相关。这样就需要向worker传输大量的数据。
• 矩阵如果被Matlab识别为切片变量，则数据可以分段传输到各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，每次循环中只能读取由同一个索引值索引的切片，如a[i] a[i+1]同时出现则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内只进行读取操作。

临时变量

• 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。

各种变量区分的例子

• 下例中，parfor中的tmp是临时变量，parfor结束后tmp的值依然是5，不受临时变量的影响。
• 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，数据传输有优化提升。
• 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

• 在运行程序之前，需要配置worker。否则如前文所说，parfor循环将以普通for循环的形式运行，无法并行。

单机配置

• 使用matlabpool命令可以开启关闭本机的并行计算池。
• matlabpool n命令可以打开n个worker。
• matlabpool open configname按照指定配置打开，默认配置为local。
• 程序运行结束后，应该使用matlabpool close关闭worker。
• 配置项的修改可以通过Parallel -> Manage Cluster Profile完成。
• n的选择：如果有c个cpu核心，通常可以设置为c。如果是远程服务器，为防止服务器响应卡顿，可以设置为c-1。对于计算密集型程序，超线程带来的性能提升几乎为0，可以设置为核心数，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，降低了并行性。
• 并行运行时各个worker之间会进行通信，要注意大量数据传输带来的性能下降。尤其对于广播变量，如果较大可尝试变为切片变量。