matlab parpool 关闭,Matlab并行编程

本文讲的Matlab并行编程包括并行for循环和数据并行(同一个程序运行在不同的数据上)，分别对应于parfor、spmd方法

1. 并行方法

parpool %开启并行池(parallel pool)

%parallel program

delete(gcp('nocreate')) % 关闭并行池

上面就是Matlab并行编程的形式。你的计算机有几个核，parpool就会开启几个worker

当然，你也可以设定worker的数目，如这样，开启2个worker

parpool('local',2)

至于中间的并行程序就要由parfor和spmd完成。

PS：Matlab之前的并行方法 matlabpool local 2 已经过时，现在新版的Matlab要用parpool

2. parfor

parfor(parallel for-loop)用于将for循环并行处理，当你的for循环每次迭代计算量很大，并且每次迭代都是独立的话，就可以用parpool来加速，下面是一个例子：

普通for循环

tic

n = 200;

A = 500;

a = zeros(n);

for i = 1:n

a(i) = max(abs(eig(rand(A))));

end

toc运行时间为：时间已过 25.428548 秒。

若是改用parfor

tic

n = 200;

A = 500;

a = zeros(n);

parfor i = 1:n

a(i) = max(abs(eig(rand(A))));

end

toc运行时间为：时间已过 8.801395 秒。

注意，当for循环中每次迭代不独立，即某次迭代需要其它迭代的结果，以及嵌套的for循环都是不能改为parfor的。

更多内容见Matlab文档

3. spmd

spmd(single program multiple data)使多个worker运行同一段代码(single program)，但是不同的worker处理不同的数据(multiple data)，所以spmd适用于处理很大的数据。常见的情形如：

Programs that take a long time to execute — spmd lets several workers compute solutions simultaneously.

Programs operating on large data sets — spmd lets the data be distributed to multiple workers. 一个例子：在3个worker上分别创建一个随机矩阵

spmd (3)

R = rand(4,4);

end

返回的R是一个Composite对象，大小为1*3，R(1)即worker 1上创建的矩阵，R(2)即worker 2上创建的矩阵，依次类推。

其实每个worker都有一个下标labindex，范围从1到n(n为worker数目)，通过labindex可以指定特定的worker。(这里插一句，下标为什么是labindex,而不是workerindex呢，因为Matlab运行并行程序时，每个worker叫做lab),又一个例子：

spmd (3)

if labindex==1

R = rand(9,9);

else

R = rand(4,4);

end

end

此外，我们可以

通过labindex指定不同的worker处理不同的数据：

spmd (3)

labdata = load(['datafile_' num2str(labindex) '.mat'])

result = MyFunction(labdata)

end终于到了重点，这种形式应该是我们经常要用到的，每个worker load不同的data，运行同一段代码。稍微注意的一点是，这里的labdata是一个struct，不是mat矩阵，所以要用字段名称引用。当时在这纠结了好久。。。同样的，返回的result是一个

Composite对象，result(i)为第i个worker的返回值。

更多详细信息请看Matlab文档：