MATLAB并行运算测试效率评估..docVIP

MATLAB并行运算测试效果评估 1 MATLAB并行计算机制 MATLAB提供了并行计算工具箱（Parallel Computing Toolbox），可以将一个MATLAB会话（session，即client）的计算工作分配到其他的MATLAB会话（也称为worker）。在没有使用并行计算工具箱的情况下，MATLAB的计算工作是由client执行的；当使用了并行计算工具箱后，MATLAB能够创建多个worker（MATLAB确定了最大上限是8个），由client将计算工作分配到worker并行执行。 并行计算工具箱有三种典型的使用场景： 1、Parallel for-Loops (parfor)：将for循环中的执行语句分配到不同的worker并行执行。要保证执行结果正确，需要保证for循环中的代码是能够彼此互不依赖。 Parfor实现的是代码级别的并行处理机制。 2、Batch Jobs：即批任务执行机制，一个worker负责一个job。一个任务通常是一个M文件或者一个函数。Batch Jobs实现的是任务（函数、文件为载体）级别的并行处理机制。 3、Large Data Sets：当处理的数据量太大超出内存负荷后，可以将此大数据分配到不同的worker，每一个worker只包含其中一部分数据，但是用户仍然可以将此大数据作为一个整体来操作。 本文评估了parfor工作效率。Parfor工作原理如下图所示，MATLAB client启动了3个worker来并行执行parfor中的代码，一个CPU核对应一个worker。本测试所用PC的CPU只有两个核，因此最多只能启动两个worker。 除了并行计算工具箱（Parallel Computing Toolbox），matlab还支持分布式计算引擎（MATLAB Distributed Computing Engine(Server)，简称MDCE），可以扩展应用程序，将其应用到一个集群上的多台计算机，如下图所示。 本文基于MDCE在一个PC上创建job进行计算，一个job最多启动了10个worker进行并行计算。 2 parfor测试 2.1 测试环境 PC机硬件配置： CPU：intel双核E4600 2.4GHz； 内存：2GB物理内存。 PC机操作系统：WINXP SP3。 MATLAB版本：7.9.0(R2009b)。 测试方法：执行fft计算，分别执行for循环的语句以及parfor循环的语句进行对比，for循环和parfor循环的代码完全一致，唯一区别的是for不是并行计算，而parfor启动了2个worker进行并行计算。 测试代码： %%% 打开并行计算的工作资源池，1个资源池对应本地CPU的一个核。本机有两个核，取值为2。 testExamples = 5; loopTimes = 1e5 ; testStep = loopTimes; tElapsed = [1:1:testExamples]; tElapsedPal = [1:1:testExamples]; Fs = 1000; % Sampling frequency T = 1/Fs; % Sample time L = 1000; % Length of signal t = (0:L-1)*T; % Time vector % Sum of a 50 Hz sinusoid and a 120 Hz sinusoid x = 0.7*sin(2*pi*50*t) + sin(2*pi*120*t); %% 非并行计算测试 isOpen = matlabpool(size); if isOpen 0 matlabpool close; end for j=1:testExamples timeStart = tic; for i=1:loopTimes y = x + 2*randn(size(t)); % Sinusoids plus noise NFFT = 2^nextpow2(L); % Next power of 2 from length of y Y = fft(y,NFFT)/L; f = Fs/2*linspace(0,1,NFFT/2+1); end tElapsed(j) = toc(timeStart); %% 增加循环次数