Parallel processing 布拉斯诉。Julia SharedArray对象的并行更新

我对在科学计算项目中使用Julia

SharedArray

s感兴趣。我当前的实现对所有矩阵向量操作都要求BLAS，但我认为也许

SharedArray

会在多核机器上提供一些加速。我的想法是简单地逐个索引更新输出向量索引，将索引更新到工作进程

以前关于

SharedArray

s和关于共享内存对象的讨论没有就此问题提供明确的指导。从直觉上看，这似乎足够简单，但在测试之后，我有点困惑为什么这种方法工作得如此糟糕（请参阅下面的代码）。对于初学者来说，

@parallel For

似乎分配了大量内存。如果我在循环前面加上

@sync

，如果以后需要整个输出向量，这似乎是一件明智的事情，那么并行循环的速度会大大降低（尽管没有

@sync

，循环速度会非常快）

我是否错误地解释了

SharedArray

对象的正确用法？或者也许我没有有效地分配计算

### test for speed gain w/ SharedArray vs. Array ###

# problem dimensions
n = 10000; p = 25000

# set BLAS threads; 64 seems reasonable in testing
blas_set_num_threads(64)

# make normal Arrays
x = randn(n,p)
y = ones(p)
z = zeros(n)

# make SharedArrays
X = convert(SharedArray{Float64,2}, x)  
Y = convert(SharedArray{Float64,1}, y)  
Z = convert(SharedArray{Float64,1}, z)  

# run BLAS.gemv! on Arrays twice, time second case
BLAS.gemv!('N', 1.0, x, y, 0.0, z)
@time BLAS.gemv!('N', 1.0, x, y, 0.0, z)

# does BLAS work equally well for SharedArrays? 
# check timing result and ensure same answer
BLAS.gemv!('N', 1.0, X, Y, 0.0, Z)
@time BLAS.gemv!('N', 1.0, X, Y, 0.0, Z)
println("$(isequal(z,Z))")  # should be true

# SharedArrays can be updated in parallel
# code a loop to farm updates to worker nodes
# use transposed X to place rows of X in columnar format
# should (hopefully) help with performance issues from stride
Xt = X'  
@parallel for i = 1:n 
    Z[i] = dot(Y, Xt[:,i])
end

# now time the synchronized copy of this
@time @sync @parallel for i = 1:n 
    Z[i] = dot(Y, Xt[:,i])
end

# still get same result?
println("$(isequal(z,Z))")  # should be true

4个工作节点+1个主节点的测试输出：

elapsed time: 0.109010169 seconds (80 bytes allocated)
elapsed time: 0.110858551 seconds (80 bytes allocated)
true
elapsed time: 1.726231048 seconds (119936 bytes allocated)
true

---

您遇到了几个问题，其中最重要的是

Xt[：，i]

创建一个新数组（分配内存）。下面是一个让您更接近您想要的演示：

n = 10000; p = 25000

# make normal Arrays
x = randn(n,p)
y = ones(p)
z = zeros(n)

# make SharedArrays
X = convert(SharedArray, x)  
Y = convert(SharedArray, y)  
Z = convert(SharedArray, z)

Xt = X'

@everywhere function dotcol(a, B, j)
    length(a) == size(B,1) || throw(DimensionMismatch("a and B must have the same number of rows"))
    s = 0.0
    @inbounds @simd for i = 1:length(a)
        s += a[i]*B[i,j]
    end
    s
end

function run1!(Z, Y, Xt)
    for j = 1:size(Xt, 2)
        Z[j] = dotcol(Y, Xt, j)
    end
    Z
end

function runp!(Z, Y, Xt)
    @sync @parallel for j = 1:size(Xt, 2)
        Z[j] = dotcol(Y, Xt, j)
    end
    Z
end

run1!(Z, Y, Xt)
runp!(Z, Y, Xt)
@time run1!(Z, Y, Xt)
zc = copy(sdata(Z))
fill!(Z, -1)
@time runp!(Z, Y, Xt)

@show sdata(Z) == zc

结果（开始时

julia-p8

）：

为了进行比较，在同一台机器上运行时：

julia> blas_set_num_threads(8)

julia> @time A_mul_B!(Z, X, Y);
elapsed time: 0.067611858 seconds (80 bytes allocated)

---

因此，原始Julia实现至少与BLAS具有竞争力。

ooh，我没有想到

Xt[：，I]

的内存分配。您的示例代码很容易理解。非常感谢。为什么当使用

B[i，j]

而不是

B[j，i]

（无需转置矩阵

X

）时

dotcol

会更快呢？@Taiki这是一个跨步内存访问的问题吗？Julia以列主格式存储数组。有关详细信息，请参阅。

julia> blas_set_num_threads(8)

julia> @time A_mul_B!(Z, X, Y);
elapsed time: 0.067611858 seconds (80 bytes allocated)