我正在处理的代码有如下循环：
bistar = zeros(numdims,numcases);
parfor hh=1:nt
bistar = bistar + A(:,:,hh)*data(:,:,hh+1)' ;
end
对于小 nt (10)。
计时后，它实际上比使用常规循环慢100倍！！！我知道 parfor 可以进行并行求和，所以我不确定为什么这不起作用。
我跑
matlabpool
在运行我的代码之前使用开箱即用的配置。
我对matlab比较陌生，刚开始使用并行功能，所以请不要以为我没有做傻事。
谢谢！
PS：我在四核上运行代码，所以我希望看到一些改进。
【问题讨论】：
标签： performance matlab parallel-processing parfor
对nt 的小值进行分区和分组（划分工作和从多个线程/内核收集结果的开销）很高。这是正常的，您不会为可以在简单循环中快速执行的简单任务对数据进行分区。
始终在循环内执行一些值得分区开销的具有挑战性的事情。这是一个不错的introduction to parallel programming。
线程来自线程池，因此创建线程的开销不应该存在。但为了从bistar 大小创建部分结果n 矩阵，必须计算所有部分结果，然后必须添加所有这些部分结果（重新组合）。在直接循环中，这很有可能就地完成，不会发生分配。
帮助中的完整声明（感谢您在下面提供的链接）是：
如果计算 f、g 和 h 的时间为 大，parfor会显着 比相应的更快 陈述，即使 n 是相对的 小。
所以你看到它们的意思和我的意思完全一样，只有当你在循环中所做的事情足够复杂/耗时时，小 n 值的开销才值得付出努力。
【讨论】：
Parfor带有一点开销。因此，如果nt 非常小，并且如果循环中的计算完成得非常快（如加法），则parfor 解决方案会更慢。此外，如果您在四核上运行parfor，1-3 核的速度增益将接近线性，但如果您使用 4 核，则速度增益会更小，因为最后一个核也需要运行系统进程。
例如，如果 parfor 有 100 毫秒的开销，循环中的计算需要 5 毫秒，如果我们假设速度增益在 4 个核心的系数为 1 的情况下是线性的（即使用 4 个核心使得计算为 4快几倍），nt 需要大约 30 才能让您使用parfor 实现速度增益（for 为 150 毫秒，parfor 为 132 毫秒）。如果您只运行 10 次迭代，parfor 会更慢（for 为 50 毫秒，parfor 为 112 毫秒）。
您可以通过比较 1 名工作人员与 0 名工作人员的执行时间来计算您机器上的开销，并且您可以通过使用 1 到 4 名工作人员的执行时间来估算速度增益。然后你就会知道什么时候使用parfor 有用。
【讨论】：
除了由于通信开销而导致的性能不佳（请参阅其他答案），在这种情况下还有另一个不使用 parfor 的原因。在这种情况下，在parfor 中完成的所有操作都使用built-in multithreading。假设所有工作人员都在同一台 PC 上运行，则没有任何优势，因为单个调用已经使用了处理器的所有内核。
【讨论】：