当Matlab启动一个"；并行池；？

在Matlab中运行并行CPU进程从以下命令开始

parpool()

根据报告，该职能：

[创建]工人池上的特殊作业，并[连接]MATLAB客户端到并行池

此函数通常需要一点时间来执行，大约30秒。但在其他多CPU模式（如OpenMP）中，并行执行似乎完全透明——我从未注意到任何类似于Matlab的行为（尽管我对并行编程不是很有经验）

---

那么，在调用

parpool（）

和它完成执行之间实际发生了什么？怎么这么久

老实说，我认为我们永远不会确切知道MatLab的功能

然而，为了给你一些答案，MatLab基本上打开了它自己的其他实例，让它在上面执行代码。为了做到这一点，它首先需要检查应该在哪里打开实例（您可以将集群从本地更改为您可以访问的任何其他集群，例如Amazons EC2集群）。一旦新实例被打开，MatLab就会设置从主窗口到实例的连接

注:

1） 不建议在函数或脚本中使用

parpool

，因为如果在并行池打开时运行，则会引发错误。使用并行命令，例如

parfor

将自动打开实例

2）

parpool

只需执行“一次”（在关闭前），即如果再次运行代码，实例已经打开

3） 如果希望避免代码中的开销，可以在MATLAB的搜索路径中创建一个名为startup.m的文件，使用命令

parpool

，这将在启动时自动启动并行池

---

4） 矢量化代码将自动使其并行化，而不会产生额外的开销。

关于@Nicky的回答，我们将进一步介绍一些细节。创建并行池包括：

将通信作业提交到适当的群集

这将招募MATLAB工作进程。这些进程可能已经在运行（在MJ的情况下），或者可能需要启动（在

'local'

和所有其他集群类型的情况下）

在工作人员之间设置MPI通信以支持

spmd

（除非在启动池时指定“

'SpmdEnabled'，false

”——但是，此阶段通常不是性能瓶颈）

MATLAB工作人员随后连接到客户机，以便他们可以进行投标

---

parpool

和OpenMP之间的开销差异是因为

parpool

通常会启动额外的MATLAB进程，这是一个相对较重的操作，而OpenMP只是在单个进程中创建额外的线程，相对较轻。此外，正如@Nicky指出的那样，MATLAB本质上可以对一些/大多数向量化操作执行多线程操作-

parpool

对于这种情况不会发生的情况非常有用，或者您可以在真正的多节点集群上运行

并行计算工具箱使您能够使用几种不同的范例（例如作业和任务，

parfor

，

spmd

，

parfeval

，批处理）并行运行MATLAB代码，并在本地（在本地机器中跨内核并行）或远程运行（在集群中的多台机器之间进行并行化——要么是您自己的机器，要么是云中的机器）

在任何一种情况下，代码都在MatlabWorkers上运行，这些workers基本上是MATLAB的副本，没有交互式桌面

如果您打算在远程群集上运行，则这些辅助进程可能已经启动并准备好运行代码。如果您打算在本地运行，则可能已经启动了辅助进程，但可能尚未启动

上面的一些构造（例如作业和任务、批处理）只运行您要求的内容，然后工作人员返回到可用于其他内容（可能来自不同的用户）

但是，一些构造（例如，

parfor

，

spmd

）要求将要运行的工作线程保留一段时间，部分原因是它们可能会闲置一段时间，您不希望被其他用户接管，部分原因是（与作业和任务或批处理不同）它们可能需要相互通信。这称为创建工作池

当您运行

parpool

时，您告诉MATLAB您想为自己保留一个工作池，因为您打算运行一个需要工作池的构造。您可以指定一个集群概要文件作为输入参数，它将告诉您是要在远程集群上运行还是在本地运行

如果您在集群上运行，

parpool

将向集群发送一条消息，以保留一些（已经运行的）工作线程供您使用

如果您在本地运行，

parpool

将确保有足够的工人在本地运行，然后为您将他们连接到一个池中

如果工人尚未运行，则需要30秒的时间来启动工人。在Windows上，如果您在运行

parpool

时观察Task Manager，您将看到在工人启动时，在这30秒内会弹出更多的MATLAB副本（他们实际上不是MATLAB本身，他们是MATLAB工作者——你可以区分他们，因为他们在没有桌面的情况下使用更少的内存）

要比较MATLAB对OpenMP的操作，请注意，这些MATLAB工作程序是独立的进程，而OpenMP在现有进程中创建多个线程