创建函数。

编辑我的码

在MATLAB^®编辑器，输入新的parfor- 播充和添加抽搐和toc来测量经过的时间。

功能a = MyCode(aparfori = 1:20 00 a(i) = max(abs(eig(rand(a))));结束toc

保存文件，并关闭编辑器。

在平行>并行偏好菜单，检查一下你的默认群集是当地的(你的桌面机)。

在MATLAB命令窗口中，定义一个大小为1的并行池，并在一个worker上运行函数来计算运行时间。请注意单个工作人员所消耗的时间和关闭并行池的时间。

parpool (1);一个= MyCode (1000);

经过时间为172.529228秒。

删除(gcp);

打开两个工人的新并行池，再次运行该功能。

parpool (2);一个= MyCode (1000);

注意经过的时间;你应该看到，与单一工人的情况相比，这已经减少了。

试试4、8、12和16个工人。通过在日志-日志尺度上绘制每个工作人员数量的运行时间来度量并行可伸缩性。

图中显示了典型的多核桌面PC的可伸缩性(蓝色圆圈的数据点)。强大的扩展测试显示，对于多达8个工作人员，几乎是线性加速和显著的并行可伸缩性。从图中可以看出，在这种情况下，我们无法实现超过8个工人的进一步加速。这个结果意味着，在本地桌面机器上，8个工人可以充分使用所有的内核。您可以在本地桌面得到不同的结果，这取决于您的硬件。要进一步提高并行应用程序的速度，可以考虑扩展到云计算或集群计算。

如果像前面的示例一样，您已经耗尽了本地的工人，那么您可以将计算扩展到云计算。检查您对云计算的访问平行>发现群集菜单。

在云中打开并行池并在不更改代码的情况下运行应用程序。

parpool (16);一个= MyCode (1000);

注意集群工作器数量增加所消耗的时间。通过在log-log尺度上绘制运行时间作为工作人员数量的函数来度量并行可伸缩性。

该图显示了云中工人的典型性能（红色加上数据点）。这种强大的缩放测试显示了线性加速和100％并行可扩展性，最多可扩展至16个工人。通过增加云中的工人数量或计算群集，考虑进一步扩大计算。请注意，对于更大数量的工人和其他应用程序，并行可伸缩性可以不同，具体取决于您的硬件。

如果您可以直接访问群集，可以使用群集上的工人来扩展您的计算。检查您对群集的访问平行>发现群集菜单。如果您有一个帐户，选择集群，打开一个并行池并在不更改代码的情况下运行应用程序。

parpool (64);一个= MyCode (1000);

图中显示了集群中工作人员的典型强伸缩性能(黑色x个数据点)。可以看到，您实现了100%的并行可伸缩性，在集群中支持至少80个worker。注意，这个应用程序是线性扩展的——加速等于使用的工人数量。

此示例显示了加速等于工人的数量。不是每个任务都可以实现类似的加速，参见使用parfor交互式并行运行循环．

对于特定的任务，您可能需要不同的方法。要了解更多关于替代方法的信息，请参见选择一个并行计算解决方案．