Performance Matlab从并行函数得到的结果比较慢

我需要并行执行两个Matlab函数。问题是从它们那里获得结果要比执行慢得多

第一种方法：

spmd;
 if labindex==1, 
  K=MatricaK(NP, NE, r, Kxx, N, h, 1); %K is 1000x1000 matrix
 end;
 if labindex==2,
  F=Apkrovos(NP, NE, N, r, Ta, h, 1); %F is 1000x1 vector
 end;
end;
%This part is quite fast, around 0.17s.
K=K{1};
F=F{2};
%This part is very slow, around 1.15s.

第二种方法：

parfor i=1:2
 if i==1
  K=MatricaK(NP, NE, r, Kxx, N, h, 1); %this way doesn't return K outside the loop, but very fast, around 0.15 for all loop
 ..
  K{i}=MatricaK(NP, NE, r, Kxx, N, h, 1); %this works, but slow, around 1.5s
 ..
  K = [K MatricaK(NP, NE, r, Kxx, N, h, 1)]; %also works, but slow, around 1.5s
 ...
end;

---

我怎样才能使结果快速返回？我发现了，但速度与此无关。

因此，问题在于传递结果所产生的开销。虽然我不能给你一个具体的答案-这取决于你的情况和matlab版本-我可以建议一些事情来尝试

尝试从matlabpool实验室检索数据的不同方法。其中一些可能允许matlab进行一些幕后优化。为此，我建议查看分布式阵列。或者，如果您不需要对数据进行任何后续处理，您可以直接将其保存到磁盘，而不是通过内存进行传递

尝试将其作为分布式服务器运行。较新版本的matlab允许您创建批处理作业，并在本地计算机上运行它们（而不是在专用集群上）。由于这两个函数是完全独立的，因此可以使用此方法，该方法可能会更快地检索数据

试着找到将结果放入共享内存的方法。这是困难的，因为Matlab的并行处理是基于MPI的，MPI工作在消息传递上；一些模式基本上是MPI上的matlab包装器。这意味着每个worker都是一个单独的Matlab实例，具有单独的内存空间，因此当您再次收集数据时，它实际上是在生成一条MPI消息，这会产生一些开销。以前已经讨论过避免这种情况的方法

看看函数内部。如果您可以/被允许修改您正在调用的两个函数，那么您可能能够以一种不会产生这种通信开销的方式将它们并行化。当涉及到向量的并行处理时，Matlab非常聪明，因此，如果有任何操作可以转换为向量/矩阵操作，则可以在不需要通信开销的情况下显著节省速度

尝试一下matlab以外的东西。如果你有时间和编码技能，那么你可以重新编码函数，允许多线程执行，如C++与OpenMP。p>

---

我自己在Matlab中也遇到过类似的并行编程问题，尽管在我的例子中，尽管共享了输入数据，但问题是令人尴尬的并行问题，因此我最终将输出直接从工作节点保存到磁盘。

如果这是一个愚蠢的问题，请原谅，但是，如果一开始就这么快，为什么还要费心让它并行呢？首先，我必须让我的程序并行以进行研究。第二，我只是希望它比顺序版本更快。事实上，如果我不考虑结果的话，它比顺序（0.24 vs0.17s）快40%。所以，我想知道，是否有可能快速得到结果：）令人惊讶的结果！第二次运行时（以及已经完成任何预初始化时），速度是否不同？另外，

K{:}

是否可能超过了您可以有效存储的容量（在Ram中）？可以使用300而不是1000检查一次。是什么让您得出结论，问题在于将结果传递给其他人所产生的开销？当您在parfor中做一些小事情时，开销通常是一个问题，但这里的情况肯定不是这样。在最初的问题中，第一个方法将实际工作（调用两个方法）与获取数据（

k=k{1}

）清楚地分开，并给出每个步骤所花费的时间。方法调用总共需要0.17秒，而结果通过需要1.15秒。谢谢大家的帮助。现在，我在不做任何事情的情况下得到了大约缩短10倍的时间结果，现在这两个时间（执行和数据检索）对于1000 e来说是相等的，但是随着元素的增加，数据检索时间也在增加。我似乎在测试不合适的程序，因为它使用了大量数据来进行不广泛的执行。