Matlab并行编程方法

本文讲一下matlab中的并行方法与技巧，这里我们不涉及GPU加速，主要考虑for循环并行和数据并行。分为以下几个板块：

1. 怎么并行？

2. parfor vs. SPMD

3. 注意事项及经验总结

-----------------------------------------------------------



1. 如何并行？

1. Request a number of workers;

2. Issue the normal command to run the program. The client program will call on the workers as needed;

3. Release the workers;

具体到代码：

[plain] view
plain copy







matlabpool local 2;

%parallel program

matlabpool close

其中2是core数目，注意2是core数。你的电脑如果是双核四线程的，那么只能申两个（而非4个）matlab local pool。

具体实现parallel program呢，主要是通过parfor（parallel for）和SPMD（single program, multiple data）完成的。

-----------------------------------------------------------

2. parfor vs. SPMD

2.1 什么时候用parfor

parfor只用于matlab并行循环。当你需要简单计算的多次循环迭代时，例如蒙特卡洛(Monte Carlo)模拟，parfor循环就很有用。parfor将循环迭代分组，那么每个worker执行迭代的一部分。当迭代耗时很长的时候parfor循环也是有用的，因为workers可以同时执行迭代。

注意当循环中有迭代依赖其他迭代的结果时不应该使用parfor循环。每个迭代都必须不依赖其他迭代。由于parfor循环内有通信消耗，当只有小数量的简单计算时使用parfor可能得不到什么好处。

[plain] view
plain copy







c = 1:10;

a = ones(10,1);

tic

parfor i = 1:length(c)

a(i)= a(i)+ c(i);

end

toc

fprintf('%d\n',a);

2.2 什么时候用SPMD（Single Program/Multiple Data）单程序多任务进行任务并行

Spmd中的“Single program”方面指的是同一段代码运行在不同的多个lab上。你在一个Matlab客户端上运行一个程序，被标志为spmd模块的其他部分运行在其他lab上。当这些块运行完毕后，你的程序继续在客户端运行。 “Multiple data”方面指的是虽然spmd语句在所有的lab上运行相同的代码，但每一个lab可以有不同的，独有的数据。所以多数据集可以在多个lab上同时被容纳。一下是我总结的SPMD使用的两个场景：

The "single program" aspect of spmd means that the identical code runs on multiple labs. 就是说同一段程序应用于不同的样本（数据），所以一般针对随机抽样的并行，如

[plain] view
plain copy







%% SPMD

%example 1

spmd

A = rand(3,2); %generate a matrix A for each lab(worker)

end

for i = 1:length(A)

figure; imagesc(A{i});

end

%example 2

a = 3;

b = 4;

spmd

c = labindex();

d = c+a;

end

c{2} = 5;

spmd

f = c*b;

end

for i = 1:length(f)

fprintf('%d\t',f{i});%access the value of each lab

end

另外，SPMD也可以用于可替代parfor的块并行，在不同lab（worker）上对相同或不同的数据执行不同的并行操作，说起来有些拗口，具体看一下例子就明白了，下面我写的example3,4分别针对在不同lab上对相同数据和不同数据执行不同操作。它们都可以用parfor代替，对吧，这里我就不写了，相信大家的能力。。

[plain] view
plain copy







%example3 - deal with same Data by different parameters

%add different values to same array Data

Data = 1:100;

spmd

switch labindex

case 1

Data = Data+1;

case 2

Data = Data+2;

end

end

% print Data{1} & Data{2} for checking

%example4

%add different values for different parts of array Data

% [1:50]+1

% [51:100]+2

spmd

if labindex == 1

Data(1:50) = Data(1:50)+1;

else

Data(51:100) = Data(51:100)+2;

end

end

以上是我对spmd和parfor的理解，欢迎补充指正，其他关于spmd vs. parfor的可以参考这个帖子。

2.3 Composite类型

spmd中每个lab返回值以composite存储，如上面[code]example 1中的f就是以composite的形式展现。f{i}为第i个lab的返回值。最开始我们也可以创建Composite对象并进行初始化赋值。

>> f = Composite(2);

-----------------------------------------------------------



4. 注意事项及经验总结

注意事项：

1. parfor中慎用（最好勿用）eval幅值。

一个程序并行时要共享内存，而eval语句可能使程序进入错误的workspace，因此不要用eval，改用不同index赋值。

[plain] view
plain copy







matlabpool local 2;

c = 1:5;

parfor i = 1:length(c)

a(i) = c(i);

end

2. parfor循环不能很好利用所有处理器怎么办？

是这样，

[python] view
plain copy







parfor i = 1:4

........

end

就只能用4个处理器，而如果不加这个parfor可能matlab自身的负载均衡能够更好地利用CPU。这里我是开起来3个matlab，比如服务器上有12个核。我就给每个matlab分配4个core（>>matlabpool local 4），每个程序里有一个parfor i = 1:4. 这样就可以用起来12个核。我知道这样好暴力……囧，有人知道正解的话指条明路吧。。

3. parfor，spmd不可以相互或者自身嵌套。

4. parfor使用有很多约束，比如for循环内的表达式需要显式表达(透明性)，不依赖前项。如

parfor i = 3:10

f(i) = f(i-1)+f(i-2);

end

是不行滴。。

欢迎留言其他并行技巧和方法，谢谢！

Reference：

1. MATLAB官网——Parallel Computing Toolbox

2. 详细讲解并行用法（貌似阿拉伯人写的……o(╯□╰)o）

3. 详细并行代码

4. 多核计算平台中MATLAB并行计算

5. Parallel Computing Toolbox User's Guide

from: http://blog.csdn.net/abcjennifer/article/details/17610705#comments