Matalb并行：parfor

借鉴两篇博客：
http://blog.csdn.net/caozhk/article/details/38234293?utm_source=tuicool
http://blog.csdn.net/duanlangzhuifeng/article/details/17679343
基本概念：
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。

具体使用注意事项：
【使用和关闭】

使用matlabpool 命令启动多个workers，使用parfor指令。自己的电脑上是4核4进程，开启4个workers：

matlabpool 4

关闭时用 matlabpool close

【语法】

parfor的语法和普通的for语法没有区别：

for i = 1:N

f(i);

end

parfor i = 1:N

f(i);

end

【并行】

for 语句是按照i的序列顺序执行的，而parfor是由多个worker同时执行i为不同值的结果

for i = 1:12 fprintf(’ %d’,i); end 的输出为：

1 2 3 4 5 6 7 8 9 10 11 12

parfor i = 1:12 fprintf(’ %d’,i); end的输出为：

2 1 10
4 3 11
6 5 12
8 7 9

【嵌套循环】

parfor是不可以多层嵌套的，比如下面这样:

parfor i = 1:M

parfor j = 1:N

end

end

只有将其中一个改为for:

parfor i = 1:M for i = 1:N ; end end

或者：

for i = 1:M parfor i = 1:N ; end end

但是这样就不能发挥并行的威力，可以这样：

parfor k = 1:M*N

i = mod(k-1, M) + 1;

j = floor(k-1/M) + 1;

end

【限制】

在parfor中执行的语句，如果是写操作，则不能相互访问或者改写不同的i执行的结果。例如

parfor i = 1:12

a(i+1) = a(i) + 1;

end

则是不允许的。因为并行操作并不保证a[i]在a[i+1]之前计算完。

还有

parfor i = 1:12

a(i*2) = i*2;

end

这样的操作也是不被允许的。

parfor中限制：

不可以修改循环变量：

parfor i = 1:N
i = i + 1;
a(i) = i;
end

当写操作时， 矩阵下标的访问只能是i，或者是i加减一个常数。
如果使用嵌套循环的循环变量来引用矩阵，那么必须用直接的下标形式，不可以用表达式：

A = zeros(4, 11);
parfor i = 1:4
for j = 1:10
A(i, j + 1) = i + j;
end
end

可以改成：

A = zeros(4, 11);
parfor i = 1:4
for j = 2:11
A(i, j) = i + j + 1;
end
end

如果在嵌套循环中引用了矩阵，那么在parfor-loop中就不可以再其他地方再使用：

A = zeros(4, 10);
parfor i = 1:4
for j = 1:10
A(i, j) = i + j;
end
disp(A(i, 1))
end

是不允许的。可以改成：

A = zeros(4, 10);
parfor i = 1:4
v = zeros(1, 10);
for j = 1:10
v(j) = i + j;
end
disp(v(1))
A(i, :) = v;
end