圖4 不同的lab數(shù)量對應(yīng)的代碼性能

      從結(jié)果可以看出，對于此奇異值分解的計算，無論從加速情況還是效率，parfor的性能是優(yōu)于多線程的。

      不細究代碼實現(xiàn)的細節(jié)，也有必要解釋使用parfor帶來的好處。例子中的代碼最顯著的特征是每個循環(huán)是獨立的。獨立性的特征使得parfor的應(yīng)用很簡單也很高效。使用parfor留給系統(tǒng)的唯一任務(wù)是分配循環(huán)任務(wù)到核執(zhí)行并獲取結(jié)果用于其他的運算。

      值得說明的一點是parfor在隨機數(shù)產(chǎn)生的問題上。在parfor循環(huán)中使用諸如randn()函數(shù)產(chǎn)生的矩陣與for循環(huán)中使用類似函數(shù)產(chǎn)生的矩陣并不一致，因為parfor循環(huán)的是已經(jīng)被預(yù)定了的。在絕大多情況下，這種差異完全是可以接受的。

      使用parfor有它的優(yōu)點，但也有其局限性。例如，如果循環(huán)之間相互依賴，而且這種依賴能夠通過代碼分析得到，那么執(zhí)行parfor循環(huán)就會得到錯誤的結(jié)果。如果這種依賴關(guān)系沒有檢測到，那么就會得到不正確的結(jié)果。下面的代碼說明了這樣的問題：

total = 0;
A = zeros(1000, 1);
parfor i = 1:100
 total = total + i; % OK: this is ...
  ...a known reduction operation
 A(i+1) = A(i) + 1; % error: ...   ...loop iterations are dependent
end

利用parfor很容易計算total的表達式，但是對于第二個表達式，由于A(i+1)依賴于前一次循環(huán)得到的A(i)，所以用parfor計算會產(chǎn)生問題。

讓我們來更進一步地看看每次循環(huán)發(fā)生了什么：

Iteration 1: i = 1
 A(2) = A(1) + 1 = 0 + 1 = 1
Iteration 2: i = 2
 A(3) = A(2) + 1 = 1 + 1 = 2
Iteration 3: i = 3
 A(4) = A(3) + 1 = 2 + 1 = 3

通過以上分析我們可以用下面的parfor循環(huán)的代碼得到跟前面同樣結(jié)果的代碼：

parfor i = 1:10
  A(i+1) = i;
end

擴展并行計算

      MATLAB已經(jīng)支持幾種并行方法，其他的方法將逐漸在高版本中實現(xiàn)。

      我們相信未來計算機將有越來越多的核?？偸菦]過幾年核的個數(shù)就翻倍，也意味著計算能力的翻倍。但是要利用好這種硬件的優(yōu)勢就需要正確的軟件，而寫正確的軟件就需要正確的軟件開發(fā)工具。MATLAB便旨在實現(xiàn)這種需求。
________________________________________

所需產(chǎn)品

• MATLAB 
• Parallel Computing Toolbox

資源與示例

• Using parfor to Run Loops in Parallel 
• Parallel Programming in MATLAB

文章

• Eigenvalues and Condition Numbers of Random Matrices. Alan Edelman. Ph.D. thesis, Massachusetts Institute of Technology, May 1989.
• Language Design for an Uncertain Hardware Future. Roy Lurie. HPCwire, September 28, 2007
• Multiple Processors and Multiple Cores. Cleve Moler. The MathWorks News & Notes, June 2007