MATLAB中分布式阵列与非分布式阵列的区别

假设我们在MATLAB中有以下代码：

parpool('local',2) % Create a parallel pool
W = ones(6,6);
W = distributed(W); % Distribute to the workers
spmd
    T = W*2; % Calculation performed on workers, in parallel
    % T and W are both codistributed arrays here
end
T % View results in client.
whos % T and W are both distributed arrays here
delete(gcp) % Stop pool

我在文档中读到，普通阵列和分布式阵列之间的区别在于：当我们使用分布式阵列时，这些阵列直接发送给工作者，而客户端上没有任何阵列。所以我们无法访问客户端中的这些阵列？这是唯一的差异吗

如果我们去掉

W=distributed（W），代码的结构和输出会有什么不同行？使用分布式阵列的目的是什么

分布式

和

协同分布式

之间有什么区别。正如我在文档中所读到的，我们只能在

spmd

块中使用

coddistributed

。这是真的吗

当然还有其他一些小差异，但至少索引和操作其元素的方式应该是相同的

你可以很容易地自己试一试。无论如何，结果是一个，即在执行

spmd

块时复制到每个工作程序的正常数组方式，并且多次执行计算并存储每个结果。对于常量输入数据（参数），我将使用“正常”类型；对于用于计算输出（并定义其大小）的变量，我将使用

分布式

例如：

x = distributed(1:100); % variable, output will be calculated on -> distributed
a = 5; % amplitude (constant parameter -> "normal")
spmd
  y = a * sin(x);
end
y

这也解释了分布式的目的：在矩阵上启用并行计算

到3.：

分布式

意味着其元素分布在工人身上

Codistributed

意味着其元素也以同样的方式分布到同样

分布的事物上（其中包括同等大小）。我猜（但不确定）只要并行池保持打开状态，
coddistributed
属性就会保持不变，但是从spmd块外部，它们只能作为
分布式
数组访问

报告说：

在spmd语句中创建的辅助对象上的共同分配数组
或从任务内部访问通信作业的功能，如下所示：
客户端上的分布式阵列

当然还有其他一些小差异，但至少索引和操作其元素的方式应该是相同的

你可以很容易地自己试一试。无论如何，结果是一个，即在执行
spmd
块时复制到每个工作程序的正常数组方式，并且多次执行计算并存储每个结果。对于常量输入数据（参数），我将使用“正常”类型；对于用于计算输出（并定义其大小）的变量，我将使用
分布式

例如：

x = distributed(1:100); % variable, output will be calculated on -> distributed
a = 5; % amplitude (constant parameter -> "normal")
spmd
  y = a * sin(x);
end
y

这也解释了分布式的目的：在矩阵上启用并行计算

到3.：
分布式
意味着其元素分布在工人身上
Codistributed
意味着其元素也以同样的方式分布到同样
分布的事物上（其中包括同等大小）。我猜（但不确定）只要并行池保持打开状态，
coddistributed
属性就会保持不变，但是从spmd块外部，它们只能作为
分布式
数组访问

报告说：

在spmd语句中创建的辅助对象上的共同分配数组
或从任务内部访问通信作业的功能，如下所示：
客户端上的分布式阵列

分布式阵列存储在worker上，而不是客户机上，对它们的操作是由worker并行执行的，这就是它们的要点

分布式阵列和协同分布式阵列之间的区别只是一个方面。从客户端的角度来看，它们是分布式阵列；从工作者的角度来看，它们是共同分布的数组

如图所示，首先启动一个池：

>> parpool('local',2)

创建一个数组：

>> W = ones(6,6);

W
存储在客户端上

现在从
W
创建一个分布式阵列：

>> V = distributed(W);

V
存储在worker上，在每个worker上拆分。您仍然可以从客户端访问
V
，但当您这样做时，它将
V
从工作人员那里拉回来

>> V
V =
     1     1     1     1     1     1
     1     1     1     1     1     1
     1     1     1     1     1     1
     1     1     1     1     1     1
     1     1     1     1     1     1
     1     1     1     1     1     1 

请注意，在工作区浏览器中，
V
作为6x6分布式阵列存在，而不是像
W
那样的6x6双精度阵列

现在，虽然从客户端的角度来看，
V
是一个分布式数组，但从工作人员的角度来看，
V
是一个协同分布式数组

>> spmd; disp(V); end
Lab 1: 
          LocalPart: [6x3 double]
      Codistributor: [1x1 codistributor1d]

Lab 2: 
          LocalPart: [6x3 double]
      Codistributor: [1x1 codistributor1d]

您可以看到，
V
是协同分布的，每个worker上只存储了其中的一半（6x3）

当您使用
V
执行某些操作时，这将并行地发生在辅助对象上，并且结果将作为分布式/协同分布式数组存储在辅助对象上：

>> spmd; T = V*2; end
>> spmd; disp(T); end
Lab 1: 
          LocalPart: [6x3 double]
      Codistributor: [1x1 codistributor1d]

Lab 2: 
          LocalPart: [6x3 double]
      Codistributor: [1x1 codistributor1d]

您可以从客户端访问
T
，就像您使用
V
一样，但要显式地将其带回来，请使用
collect
：

>> S = gather(T);

请注意，
S
现在是一个6x6双精度阵列，而不是分布式阵列。
分布式阵列存储在worker上，而不是客户端，并且由worker并行执行对它们的操作-这就是它们的要点

>> spmd; disp(V); end
Lab 1: 
          LocalPart: [6x3 double]
      Codistributor: [1x1 codistributor1d]

Lab 2: 
          LocalPart: [6x3 double]
      Codistributor: [1x1 codistributor1d]

分布式阵列和协同分布式阵列之间的区别只是一个方面。从客户端的角度来看，它们是分布式阵列；从工作者的角度来看，它们是共同分布的数组

如图所示，首先启动一个池：

>> parpool('local',2)

创建一个数组：

>> W = ones(6,6);

W
存储在客户端上

现在从
W
创建一个分布式阵列：

>> V = distributed(W);

V
存储在worker上，在每个worker上拆分。您仍然可以从客户端访问
V
，但当您这样做时，它将
V
从工作人员那里拉回来

>> V
V =
     1     1     1     1     1     1
     1     1     1     1     1     1
     1     1     1     1     1     1
     1     1     1     1     1     1
     1     1     1     1     1     1
     1     1     1     1     1     1 

请注意，在工作区浏览器中，
V
作为6x6分布式阵列存在，而不是像
W
那样的6x6双精度阵列。