Matlab并行计算方法（上）

       Matlab是被广泛使用的商业编程软件，对应的M语言也是公认的简单易上手的好语言，其数组运算能力十分强大，天生就适合科学计算，不过它有一个天生的问题，就是慢，运行相同代码的速度，通常都比C、C++等语言慢上许多，不过根据我自己的编程经验，Matlab的运行速度并不比Python慢，有时候甚至会反超（Linux下Matlab的运行速度要比Windows下快上许多），这样一来，有时候我们需要进行一些反复的操作（比如参数扫描）的时候，用单核运算的速度就相对较慢了，优化代码确实可以提速；不过这里不谈代码如何优化，而是另一种加速方法：并行计算。

       并行计算道理很简单，就是说：你有一个任务，现在要把这个任务反复做10遍，你一个人做，只能一遍一遍的来；但是，要是有10个人一起做，那就只需要做一遍的时间，这就是并行计算。

       科研中经常遇到需要并行计算的程序，如何编写程序？下面介绍两种方法：

---

       注意：以下的并行计算方法都需要安装工具包Parallel Computing Toolbox，据我所知，这个工具包破解版的Matlab都是有的；至于正版的Matlab，如果以前没有安装，那么可以打开Matlab，在“主页---附加功能---获取附加功能”中搜寻安装。

       打开matlab，如果在窗口左下角出现这个四个竖杠的图标，就说明安装成功：

并行池

1、parfor并行

       第一种方式是比较方便快捷的parfor并行方式，代码框架如下：

 %% 准备工作
 % 指定你要开启的线程数量，开启进程池
 core = 5
 p = parpool(core)
 % 自行设定程序最大运行时间
 p.IdleTimeout = 100;
 ​
 %% 实际并行计算
 ​
 % 一个用来记录数据的数组
 data = zeros(1,5)

 % 并行循环
 parfor i = 1:5
  % 调用你自己编写的某个函数testFunction并返回了某个结果a
  a = testFunction(i)
  data(i) = a
 end
 ​
 % 关闭进程池
 delete(p)

%% 自定义的函数：输入值为i；输出值为a
function a = testFunction(i)
***
***
a = your_answer;
end

简单来说，就是：

---

• 开启进程池，指定核心数、运行时间等参数

• 设定接受结果的矩阵

• parfor并行运算

• 结束后关闭进程池

---

       需要注意的是，在使用parfor并行计算时，很容易就会提示错误编写，这是因为每个核（好像线程更加准确些）在运行时都应该是独立在运行自己的程序，也就是说你的并行运算程序不能相互有数据传递操作。要是你想传递数据，那我也不会，因为我从来都不这样编程。

       parfor并行运算非常的优雅且实用，适用范围是在你自己的台式机或者笔记本上，parpool()开启之后的worker数是默认的机器线程数量，如下图所示：

并行计算属性

       这里的几个性质可以自行改动，由于我的电脑比较老，所以只有4个线程。

       这种并行计算的好处是简单易学、也不用去管核与核之间的消息分发和回收，因此本人强烈推荐！

       另外，通过点击那个左下角的竖线图标也是打开进程池的，不过用程序控制还是能动性更大些。

       还有问题的朋友，可以参考：matlab并行计算,这个写的比较详细，推荐大家看看。

2、集群并行计算

       每次跑并行我都会想，4核？8核？这怎么够？！我有几百个参数要扫描！这怎么办？

       那答案很简单啊，当然是上刚刚发布的第三代线程撕裂者3960X套装啦！

第三代线程撕裂者

       24核48线程，TDP280W,zen2架构，超频上5G，秒飞Intel全家！

       如果觉得这么贵的东西并不适合我们，那么3950x还是可以考虑的，毕竟也有16个核心在那里摆着......

       开个玩笑，这种堆料堆钱没有啥意思，要谨记：

买前生产力，买后打游戏

       你要打游戏，买3600就可以了，6核12线程，这价位，还要什么自行车。

---

       话说回来，在服务器上进行Matlab并行计算要复杂一些，有关此内容，我会在下节再讲，等不及的朋友，直接去MathWorks官网上查询parcluster、createTask、createJob、submit等等几个关键函数，相信看完之后，应该会有所收获。

       谢谢各位的阅读！