Parallel processing Julia：在并行上下文中为worker创建局部变量

在工作人员只需要存储非共享数据的情况下使用DistributedArray似乎过于复杂。我想做什么

r=remotecall(2,a=Float64[])
remotecall(2,setindex!,a,5,10) #Error

或

我希望为每个工作线程执行此操作，然后在异步上下文中访问阵列。执行一些计算，然后获取结果。我不确定这是否可能，因为

下面我做了一个简化的例子，并对其进行了修改。T

---

通过在修改worker的全局变量时使用“global”（例如，由@everywhere a=3设置），您可能能够解决您的问题。查看下面的示例代码

@everywhere a = 0
remotecall_fetch(2, ()->a)  # print 0

@everywhere function change_a(b)
    global a
    a = b
end

b = 10
remotecall_fetch(2, change_a, b) 
remotecall_fetch(2, ()->a)  # print 10

---

如果所有工人使用相同的处理功能，为什么

pmap

不够？有两个原因1）如果函数具有随机运行时，pmap似乎效率低下2）可能是通过对每个工作进程的结果求和，然后在所有计算完成后对中间结果求和来进行聚合计算。而

@parallel

对于你也是？我想有更多的控制权。例如，只让计算运行时间t。这在@parallel中是不可能的。

times=linspace(0.1,2.0,10) # times in secs representing different difficult computations
sort!(times,rev=true)

np = nprocs()
n = length(times)

#create local variables
for p=1:np
    if p != myid() || np == 1
        remotecall(p,stack = Float64p[]) #does not work
    end
end

@everywhere function fun(s)
    mid=myid()
    sleep(s)
    #s represents some computation save to local stack
    push!(stack,s)
end




#asynchronously do the computations
@everywhere i = 1
function nextidx()
    global i
    idx=i;
    i+=1;
    return idx;
end
@sync begin
    for p=1:np
        if p != myid() || np == 1
            @async begin
                j=1
                res=zeros(40);
                while true
                    idx = nextidx()
                    if idx > n
                        break
                    end
                    remotecall(fun, times[idx])
                end
            end
        end
    end
end

# collect the results of the computations
for p=1:np
    if p != myid() || np == 1
        tmpStack=fetch(p,stack)
        #do someting with the results
    end
end

@everywhere a = 0
remotecall_fetch(2, ()->a)  # print 0

@everywhere function change_a(b)
    global a
    a = b
end

b = 10
remotecall_fetch(2, change_a, b) 
remotecall_fetch(2, ()->a)  # print 10