matlab parpool 内存,linux - Matlab：-maxNumCompThreads，超线程和parpool - 堆栈内存溢出

首先，进行一些快速测试以确认我们的理解：

> matlab.exe -singleCompThread

>> warning('off', 'MATLAB:maxNumCompThreads:Deprecated')

>> maxNumCompThreads

ans =

1

>> maxNumCompThreads(2)

Error using feature

MATLAB has computational multithreading disabled.

To enable multithreading please restart MATLAB without singleCompThread option.

Error in maxNumCompThreadsHelper (line 37)

Error in maxNumCompThreads (line 27)

lastn = maxNumCompThreadsHelper(varargin{:});

如前所述，当使用-singleCompThread选项启动MATLAB时，我们无法使用maxNumCompThreads覆盖它。

> matlab.exe

>> parpool(2); % local pool

>> spmd, n = maxNumCompThreads, end

Lab 1:

n =

1

Lab 2:

n =

1

我们可以看到，默认情况下，每个工作程序都限于一个计算线程。 这是一件好事，因为我们希望避免超额预订和不必要的上下文切换，这种切换在尝试运行的线程数超过可用物理/逻辑核心数时发生。 因此，从理论上讲，最大化CPU利用率的最佳方法是启动与我们拥有的内核一样多的单线程工作器。

否，通过查看在后台运行的本地工作进程，我们可以看到每个进程的启动方式如下：

matlab.exe -dmlworker -noFigureWindows [...]

我相信未-dmlworker选项执行的功能类似于-singleCompThread ，但可能有所不同。 首先，我能够使用maxNumCompThreads(2)覆盖它，而不会像以前一样引发错误。

请记住，即使MATLAB会话在单线程计算模式下运行，也并不意味着计算线程仅限于一个CPU内核(该线程可能会在OS调度程序分配的内核之间跳转)。 如果要控制工作进程的相似性，则必须设置它。

因此，我使用英特尔VTune放大器进行了一些性能分析。 基本上，我运行了一些线性代数代码，并通过附加到MATLAB进程并在mkl.dll模块上进行过滤(这是Intel MKL库，MATLAB将其用作优化的BLAS / LAPACK实现)来执行热点分析。 这是我的结果：

-串行模式

我使用了以下代码： eig(rand(500));

正常启动MATLAB时，计算会产生4个线程(这是我拥有四核i7 Intel CPU时选择的默认自动值)。

正常启动MATLAB，但在计算前调用maxNumCompThreads(1) 。 如预期的那样，该计算仅使用1个线程。

使用-singleCompThread选项启动MATLAB，再次仅使用1个线程。

-并行模式( parpool )

我使用了以下代码： parpool(2); spmd, eig(rand(500)); end parpool(2); spmd, eig(rand(500)); end parpool(2); spmd, eig(rand(500)); end 。 在以下两种情况下，MATLAB均可正常启动

当使用默认设置在工作程序上运行代码时，每个工作程序只能使用一个计算线程

当我使用maxNumCompThreads(2)覆盖工作程序上的设置时，则每个工作程序将使用2个线程

这是VTune报告的屏幕截图：

希望能回答您的问题:)