这是在 MATLAB 中使用并行池的真正方法吗？

Question

我正在使用具有 2 个物理 CPU 内核的机器。 Arii_Modified 函数是我写的。当我在不使用并行池的情况下运行如下代码时，所用时间为425.456秒

profile on
[Ps,Pd,Pv,ThetaMean,Variance,frobonius] = Arii2011_Modified(C11,C12_imag,C12_real,C13_imag,C13_real,C22,C23_imag,C23_real,C33);
profile off
profsave
span = C11+C22+C33;
total=Pd+Ps+Pv+frobonius;
save('results.mat');  

但是当我启动一个有两个工人的并行池时：

parpool('local',2)
profile on
[Ps,Pd,Pv,ThetaMean,Variance,frobonius] = Arii2011_Modified(C11,C12_imag,C12_real,C13_imag,C13_real,C22,C23_imag,C23_real,C33);
profile off
profsave
span = C11+C22+C33;
total=Pd+Ps+Pv+frobonius;
save('results.mat');
p = gcp;
delete(p)  

所用时间为 687.687 秒。
我是否以真正的方式使用并行池？
函数Arii2011_modified 中的代码完全是顺序的。
我已经使用 MEX 解决方案来加速它，但在 Arii2011_Modified.m 代码和其中的 mex 函数的 C++ 源代码中都没有使用并行编程代码？

Answer 1

parpool 本身并不能神奇地使任何代码并行运行并且执行得更快。它只是创建了一个 MATLAB 实例池，这些实例可以作为工作人员来处理您传递给他们的任务。您只是创建了一个并行池（使用parpool）但从未实际使用它，因此您不能期望您的代码执行得更快。增加的执行时间仅仅是因为启动池所需的时间。

如果您想真正使用您创建的并行池，您需要将部分代码包装在parfor 构造中，其中parfor 中的每次迭代都是独立的，并且通过parfor 循环的每次迭代都将移交给可用的工作人员之一。

如果您的代码实际上不可并行化，则可能值得仔细查看Arii2011_Modified.m，看看您是否可以对其中的某些部分进行矢量化以缩短执行时间。

The Mathworks 有一些很棒的 documentation 介绍了如何利用 MATLAB 中的并行计算。

附带说明，如果您想实际测量执行时间，profile 是一种不好的方法，因为它会跟踪所有函数调用，因此会引入大量开销。相反，您应该使用timeit。