Документация

Выберите Parallel Environment

В зависимости от типа параллельной среды вы выбираете, функции, на которых работают или рабочие процесса, или распараллеливаете рабочих. Чтобы решить, какая среда является правильной для вас, консультируйтесь со следующей схемой и таблицей.

Сравните рабочих процесса и распараллельте рабочих

Следующее показывает сравнение производительности рабочих процесса и рабочих потока для примера, который усиливает КПД рабочих потока.

Создайте некоторые данные.

X = rand(10000, 10000);

Создайте параллельный пул рабочих процесса.

pool = parpool('local');

Starting parallel pool (parpool) using the 'local' profile ...
Connected to the parallel pool (number of workers: 6).

Время выполнение и передача данных меры некоторого параллельного кода. В данном примере используйте parfeval выполнение.

ticBytes(pool);
tProcesses = timeit(@() fetchOutputs(parfeval(@sum,1,X,'all')))
tocBytes(pool)

tProcesses = 3.9060

             BytesSentToWorkers    BytesReceivedFromWorkers
             __________________    ________________________

    1                   0                       0          
    2                   0                       0          
    3                   0                       0          
    4                   0                       0          
    5             5.6e+09                   16254          
    6                   0                       0          
    Total         5.6e+09                   16254     

Обратите внимание на то, что передача данных является значительной. Чтобы постараться не подвергаться затратам на передачу данных, можно использовать рабочих потока. Удалите текущий параллельный пул и создайте основанный на потоке параллельный пул.

delete(pool);
pool = parpool('threads');

Измерьте, сколько времени тот же код, берет, чтобы запуститься.

tThreads = timeit(@() fetchOutputs(parfeval(@sum,1,X,'all')))

tThreads = 0.0232

Сравните времена.

fprintf('Without data transfer, this example is %.2fx faster.\n', tProcesses/tThreads)

Without data transfer, this example is 168.27x faster.

Рабочие потока превосходят рабочих процесса по характеристикам, потому что рабочие потока могут использовать данные X не копируя его, и у них есть меньше планирования наверху.

Решите задачу оптимизации параллельно на основанном на потоке пуле

В этом примере показано, как использовать основанный на потоке пул, чтобы решить задачу оптимизации параллельно. Основанные на потоке пулы оптимизированы для меньшего количества передачи данных, быстрее планирования и уменьшаемого использования памяти, таким образом, они могут привести к увеличению производительности в ваших приложениях.

Этот пример требует Global Optimization Toolbox.

lb = [-200;0.05];
ub = [-1;pi/2-.05];
x0 = [-30,pi/3];
opts = optimoptions('patternsearch',...
    'UseCompletePoll', true, ...
    'Display','off',...
    'UseParallel',true);
% No linear constraints, so set those inputs to empty:
A = [];
b = [];
Aeq = [];
beq = [];

p = parpool('local');

Starting parallel pool (parpool) using the 'local' profile ...
Connected to the parallel pool (number of workers: 6).

rng default;

tProcesses = zeros(5,1);
for repetition = 1:numel(tProcesses)
    tic
    [xsolution,distance,eflag,outpt] = patternsearch(@cannonobjective,x0, ...
        A,b,Aeq,beq,lb,ub,@cannonconstraint,opts);
    tProcesses(repetition) = toc;
end
tProcesses = mean(tProcesses)

tProcesses = 2.7677

delete(p);

p = parpool('threads');

Starting parallel pool (parpool) ...
Connected to the parallel pool (number of workers: 6).

rng default
tThreads = zeros(5,1);
for repetition = 1:numel(tThreads)
    tic
    [xsolution,distance,eflag,outpt] = patternsearch(@cannonobjective,x0, ...
        A,b,Aeq,beq,lb,ub,@cannonconstraint,opts);
    tThreads(repetition) = toc;
end
tThreads = mean(tThreads)

tThreads = 1.5790

fprintf('In this example, thread workers are %.2fx faster than process workers.\n', tProcesses/tThreads)

In this example, thread workers are 1.75x faster than process workers.

delete(p);

Что такое основанные на потоке среды?

В основанных на потоке средах язык параллельного программирования показывает работавший рабочие, которые поддерживаются путем вычисления потоков, которые запускают код по ядрам на машине. Они отличаются от вычислительных процессов в этом, они сосуществуют в рамках того же процесса и могут совместно использовать память.

Основанные на потоке среды имеют следующие преимущества перед основанными на процессе средами.

Когда вы используете основанные на потоке окружения, имеете в виду следующие факторы.

Что такое Основанные на процессе Среды?

В основанных на процессе средах язык параллельного программирования показывает работавший рабочие, которые поддерживаются вычислительными процессами, которые запускают код по ядрам на машине. Они отличаются от вычисления потоков в этом, они независимы друг от друга.

Основанные на процессе среды имеют следующие преимущества перед основанными на потоке средами.

Когда вы используете основанную на процессе среду, имеете в виду следующий фактор.

Проверяйте поддержку основанной на потоке среды

Распараллельте поддержку рабочих только подмножество функций MATLAB, доступных рабочим процесса. Если вы интересуетесь функцией, которая не поддерживается, сообщите команде MathWorks Technical Support.

Функциями языка параллельного программирования, которые поддерживаются, является parpoolparfor, parfeval, parfevalOnAllвысокий, и parallel.pool.ConstantСогласно нижеследующим ограничениям.

Другие функции языка параллельного программирования, включая spmd, distributed, и parallel.pool.DataQueue, не поддержаны.

В общем случае много базовых функций MATLAB поддерживаются, включая:

В общем случае функции, которые изменяют или вещи доступа за пределами рабочего потока, не поддерживаются, включая: