定义辅助函数

支持函数万博1manbetxclientFasterThanPool检查计算是否更快在客户机上比在一个平行的池。需要输入一个函数处理fcn和数量可变的输入参数(三机一体,in2,…)。clientFasterThanPool执行fcn(三机一体、in2…)在客户端和活跃的平行池。作为一个例子,如果你想测试兰特(500),你的函数处理必须在以下形式:

fcn = @ (N)兰德(N);

然后,用clientFasterThanPool (fcn, 500)。

函数(因此,t_multi t_single) = clientFasterThanPool (fcn numout,变长度输入宗量)% Preallocate单元阵列的输出输出=细胞(numout);%客户抽搐为i = 1:200如果numout = = 0 fcn(变长度输入宗量{:});其他的{1:numout}[输出]= fcn(变长度输入宗量{:});结束结束t_multi = toc;%平行池vararginC = parallel.pool.Constant(变长度输入宗量);抽搐parfori = 1:200% Preallocate单元阵列的输出输出=细胞(numout);如果numout = = 0 fcn (vararginC.Value {:});其他的{1:numout}[输出]= fcn (vararginC.Value {:});结束结束t_single = toc;%如果multhreading更快,返回true结果= t_single > t_multi;结束

计算随机矩阵

检查随机矩阵的速度可以通过使用生成parfor循环,parfeval,spmd。试验的数量(n)和的矩阵大小(米——- - - - - -米矩阵)。增加试验的数量提高后分析中使用的统计数据,但不影响计算本身。

m =1000年;n =20.;

然后,使用一个parfor循环执行兰特(米)一旦为每个工人。时间的每一个n试用

parforTime = 0 (n, 1);为我= 1:n抽搐;垫=细胞(1、p.NumWorkers);parforN = 1: p。NumWorkers垫{N} =兰德(m);结束parforTime (i) = toc;结束

下一步,使用parfeval执行兰特(米)一旦为每个工人。时间的每一个n试用

parfevalTime = 0 (n, 1);为我= 1:n抽搐;f (1: p.NumWorkers) = parallel.FevalFuture;为N = 1: p。NumWorkers f (N) = parfeval (@rand 1 m);结束垫= fetchOutputs (f,“UniformOutput”、假)”;parfevalTime (i) = toc;清晰的f结束

最后,使用spmd执行兰特(米)曾经为细节为每个实验室。实验室,如何执行命令spmd,请参阅运行单一程序在多个数据集。时间的每一个n试用

spmdTime = 0 (n, 1);为我= 1:n抽搐;spmde =兰德(m);结束特征值= {e {:}};spmdTime (i) = toc;结束

使用rmoutliers去除离群值的每一个试验。然后,用箱线图比较次。

%躲离群值boxData = rmoutliers ([parforTime parfevalTime spmdTime]);%绘制数据箱线图(boxData“标签”,{“parfor”,“parfeval”,“spmd”},“象征”,”)ylabel (的时间(秒))标题(“n随机矩阵(m m)的)

通常情况下,spmd每评价比需要更多的开销parfor或parfeval。因此,在这种情况下,使用parfor循环或parfeval是更有效的。

计算和随机矩阵

其次,计算随机矩阵的总和。你可以通过使用一个变量与减少parfor循环,计算后求和parfeval,或gplus与spmd。再次,设定试验的数量(n)和的矩阵大小(米——- - - - - -米矩阵)。

m =1000年;n =20.;

然后,使用一个parfor循环执行兰特(米)一旦为每个工人。计算和减少变量之和。时间的每一个n试用

parforTime = 0 (n, 1);为我= 1:n抽搐;结果= 0;parforN = 1: p。NumWorkers结果=结果+兰德(m);结束parforTime (i) = toc;结束

下一步,使用parfeval执行兰特(米)一旦为每个工人。使用fetchOutputs在所有的矩阵,然后使用总和。时间的每一个n试用

parfevalTime = 0 (n, 1);为我= 1:n抽搐;f (1: p.NumWorkers) = parallel.FevalFuture;为N = 1: p。NumWorkers f (N) = parfeval (@rand 1 m);结束结果=总和(fetchOutputs (f));parfevalTime (i) = toc;清晰的f结束

最后,使用spmd执行兰特(米)每个实验室。使用一次gplus和所有的矩阵。发送结果只有第一个实验室,设置可选的targetlab参数1。时间的每一个n试用

spmdTime = 0 (n, 1);为我= 1:n抽搐;spmdr = gplus(兰德(m), 1)公关;结束结果= r {1};spmdTime (i) = toc;结束

使用rmoutliers去除离群值的每一个试验。然后,用箱线图比较次。

%躲离群值boxData = rmoutliers ([parforTime parfevalTime spmdTime]);%绘制数据箱线图(boxData“标签”,{“parfor”,“parfeval”,“spmd”},“象征”,”)ylabel (的时间(秒))标题(的n和随机矩阵(m m)的)

对于这个计算,spmd明显的速度比吗parfor循环或parfeval。当你使用在减少变量parfor循环,你广播的每一次迭代的结果parfor循环的所有工人。相比之下,spmd调用gplus只有一次做一个全球减少操作,需要更少的开销。因此,开销减少计算的一部分 $$O(n^2)$$为spmd, $$O(米n^2)$$为parfor。