第1页 / 共12页
第2页 / 共12页
第3页 / 共12页
第4页 / 共12页
第5页 / 共12页
第6页 / 共12页
第7页 / 共12页
第8页 / 共12页
MATLAB并行运算测试效率评估.doc
MATLAB并行运算测试效果评估
1 MATLAB并行计算机制
2 parfor测试
3 MDCE测试
MATLAB 并行运算测试效果评估
1 MATLAB 并行计算机制
MATLAB 提供了并行计算工具箱（Parallel Computing Toolbox），可以将一个 MATLAB 会话
（session，即 client）的计算工作分配到其他的 MATLAB 会话（也称为 worker）。在没有使
用并行计算工具箱的情况下，MATLAB 的计算工作是由 client 执行的；当使用了并行计算
工具箱后，MATLAB 能够创建多个 worker（MATLAB 确定了最大上限是 8 个），由 client
将计算工作分配到 worker 并行执行。
并行计算工具箱有三种典型的使用场景：
1、Parallel for-Loops (parfor)：将 for 循环中的执行语句分配到不同的 worker 并行执行。要
保证执行结果正确，需要保证 for 循环中的代码是能够彼此互不依赖。
Parfor 实现的是代码级别的并行处理机制。
2、Batch Jobs：即批任务执行机制，一个 worker 负责一个 job。一个任务通常是一个 M 文
件或者一个函数。Batch Jobs 实现的是任务（函数、文件为载体）级别的并行处理机制。
3、Large Data Sets：当处理的数据量太大超出内存负荷后，可以将此大数据分配到不同的
worker，每一个 worker 只包含其中一部分数据，但是用户仍然可以将此大数据作为一个整
体来操作。
本文评估了 parfor 工作效率。Parfor 工作原理如下图所示，MATLAB client 启动了 3 个 worker
来并行执行 parfor 中的代码，一个 CPU 核对应一个 worker。本测试所用 PC 的 CPU 只有两
个核，因此最多只能启动两个 worker。
除了并行计算工具箱（Parallel Computing Toolbox），matlab 还支持分布式计算引擎（MATLAB
Distributed Computing Engine(Server)，简称 MDCE），可以扩展应用程序，将其应用到一个
集群上的多台计算机，如下图所示。
本文基于 MDCE 在一个 PC 上创建 job 进行计算，一个 job 最多启动了 10 个 worker 进行并
行计算。
2 parfor 测试
2.1 测试环境
PC 机硬件配置：
CPU：intel 双核 E4600 2.4GHz；
内存：2GB 物理内存。
PC 机操作系统：WINXP SP3。
MATLAB 版本：7.9.0(R2009b)。
测试方法：执行 fft 计算，分别执行 for 循环的语句以及 parfor 循环的语句进行对比，for
循环和 parfor 循环的代码完全一致，唯一区别的是 for 不是并行计算，而 parfor 启动了
2 个 worker 进行并行计算。
测试代码：
%%% 打开并行计算的工作资源池，1 个资源池对应本地 CPU 的一个核。本机有两个核，
取值为 2。
testExamples = 5;
loopTimes = 1e5 ;
testStep = loopTimes;
tElapsed = [1:1:testExamples];
tElapsedPal = [1:1:testExamples];
Fs = 1000;
T = 1/Fs;
L = 1000;
t = (0:L-1)*T;
% Time vector
% Sum of a 50 Hz sinusoid and a 120 Hz sinusoid
x = 0.7*sin(2*pi*50*t) + sin(2*pi*120*t);
% Sampling frequency
% Sample time
% Length of signal
%% 非并行计算测试
isOpen = matlabpool('size');
if isOpen > 0
matlabpool close;
end
for j=1:testExamples
timeStart = tic;
for i=1:loopTimes
% Sinusoids plus noise
y = x + 2*randn(size(t));
NFFT = 2^nextpow2(L); % Next power of 2 from length of y
Y = fft(y,NFFT)/L;
f = Fs/2*linspace(0,1,NFFT/2+1);
end
tElapsed(j) = toc(timeStart);
%% 增加循环次数
loopTimes = loopTimes + testStep;
end
%% 并行计算测试
isOpen = matlabpool('size');
if isOpen <= 0
matlabpool('open', 'local', 2);
else
matlabpool close;
matlabpool('open', 'local', 2);
end
loopTimes = 1e4;
for j=1:testExamples
timeStart = tic;
parfor i=1:loopTimes
% Sinusoids plus noise
y = x + 2*randn(size(t));
NFFT = 2^nextpow2(L); % Next power of 2 from length of y
Y = fft(y,NFFT)/L;
f = Fs/2*linspace(0,1,NFFT/2+1);
end
tElapsedPal(j) = toc(timeStart);
%% 增加循环次数
loopTimes = loopTimes + testStep;
end
%%plot([1:1:testExamples], tElapsed);
plot([1:1:testExamples], tElapsed, [1:1:testExamples], tElapsedPal);
title('FFT 循环的时间开销(单位：秒)');
xlabel(strcat('FFT 循环次数','(','单位：',num2str(testStep),'次）'));
ylabel('FFT 时间开销(单位：秒)');
2.2 测试结论
通过 parfor 的并行计算方式，可以充分利用 CPU 的多核处理能力，并行处理效率随 CPU 核
数量增加而增大。在本测试环境中，执行相同计算量的情况下，两个核并行处理效率约为 1
个核的 1.7~1.9 倍。
在多核并行处理情况下，两个核的负载基本均衡，说明 matlab 能够较为平均的调度 CPU 多
核资源。
2.3 测试数据
1）串行计算结果（10*n 万次 fft 运算，n=[1,2,3,4,5]）
55
50
45
40
35
30
25
20
15
)
(
秒
：
位
单
销
开
间
时
T
F
F
10
1
1.5
FFT循 环 的 时 间 开 销 (单 位 ： 秒 )
2.5
2
FFT循 环 次 数 (单 位 ： 100000次 ）
3
3.5
4
4.5
5
串行计算时 matlab 的进程只有一个：
2）并行计算结果（10*n 万次 fft 运算，n=[1,2,3,4,5]），2 个 worker
30
25
20
15
10
5
)
(
秒
：
位
单
销
开
间
时
T
F
F
0
1
1.5
FFT循 环 的 时 间 开 销 (单 位 ： 秒 )
2.5
2
FFT循 环 次 数 (单 位 ： 100000次 ）
3
3.5
4
4.5
5
Matlab 启动了两个 worker，两个 worker 的 CPU 占有率一直保持 50%左右。
3）并行计算结果和串行计算（2 个 worker）结果对比图（10*n 万次 fft 运算，n=[1,2,3,4,5]）
蓝色线为非并行计算结果，绿色线为并行计算结果。
60
50
40
30
20
10
)
(
秒
：
位
单
销
开
间
时
T
F
F
0
1
1.5
FFT循 环 的 时 间 开 销 (单 位 ： 秒 )
2.5
2
FFT循 环 次 数 (单 位 ： 100000次 ）
3
3.5
4
4.5
5
4）并行计算结果和串行计算（2 个 worker）结果对比图（100*n 万次 fft 运算，n=[1,2,3,4,5，
6,7,8,9,10]），蓝色线为非并行计算结果，绿色线为并行计算结果。
1200
1000
800
600
400
200
)
(
秒
：
位
单
销
开
间
时
T
F
F
0
1
2
3
FFT循 环 的 时 间 开 销 (单 位 ： 秒 )
4
5
8
9
10
FFT循 环 次 数 (单 位 ： 1000000次 ）
6
7
3 MDCE 测试
3.1 测试环境
PC 机硬件配置：
CPU：intel 双核 E4600 2.4GHz；
内存：2GB 物理内存。
PC 机操作系统：WINXP SP3。
MATLAB 版本：7.9.0(R2009b)。
测试方法：执行 fft 计算，分别执行串行语句以及多任务调度机制的语句进行对比。
测试代码：
testExamples = 10;
LPTIMES = 1e4;
TASKNUM = 1 ;
loopTimes = LPTIMES;
testStep = loopTimes;
tElapsed = [1:1:testExamples];
tElapsedPal = [1:1:testExamples];
start = 1;
%% 非并行计算测试
for j=1:testExamples
timeStart = tic;
ret = fcFFT(start, start + loopTimes - 1);
tElapsed(j) = toc(timeStart);
%% 增加循环次数
loopTimes = loopTimes + testStep;
end
%% 并行计算测试
loopTimes = LPTIMES;
jm1 = findResource('scheduler', 'type', 'jobmanager', 'name', 'myjm');
for j=1:testExamples
timeStart = tic;
job1 = createJob(jm1); %% 15ms
set(job1, 'FileDependencies', {'fcFFT.m'}); %% 15ms
%% 创建 TASKNUM 个并行任务
for k=1:TASKNUM
createTask(job1,
@fcFFT,
1,
{start+loopTimes/TASKNUM*(k-1),
start+loopTimes/TASKNUM*k-1}); %% 8ms
end
submit(job1); %% 2ms
waitForState(job1, 'finished'); %% TASKNUM = [1:1:10]; TimeCost = [2.9, 1.9, 2.4, 2.7, 3.1,
3.4, 3.8, 4.2, 4.5, 4.9]s
results = getAllOutputArguments(job1); %% 和内存、cache 命中有关。TASKNUM=1
时，TimeCost=【5ms~20ms】；TASKNUM=5 时，TimeCost=【13ms~27ms】；TASKNUM=10
时，TimeCost=【20ms~100ms】
%% destroy(job1);
tElapsedPal(j) = toc(timeStart);
%% 增加循环次数
loopTimes = loopTimes + testStep;
end
%%plot([1:1:testExamples], tElapsed);
%%plot([1:1:testExamples], tElapsedPal);
plot([1:1:testExamples], tElapsed, [1:1:testExamples], tElapsedPal);
title('FFT 循环的时间开销(单位：秒)');
xlabel(strcat('FFT 循环次数','(','单位：',num2str(testStep),'次）'));
ylabel('FFT 时间开销(单位：秒)');
function retvalue = fcFFT(loopStart, loopEnd)
Fs = 1000;
T = 1/Fs;
L = 1000;
t = (0:L-1)*T;
% Sampling frequency
% Sample time
% Length of signal
% Time vector
相关推荐
2023年江西萍乡中考道德与法治真题及答案.doc
2012年重庆南川中考生物真题及答案.doc
2013年江西师范大学地理学综合及文艺理论基础考研真题.doc
2020年四川甘孜小升初语文真题及答案I卷.doc
2020年注册岩土工程师专业基础考试真题及答案.doc
2023-2024学年福建省厦门市九年级上学期数学月考试题及答案.doc
2021-2022学年辽宁省沈阳市大东区九年级上学期语文期末试题及答案.doc
2022-2023学年北京东城区初三第一学期物理期末试卷及答案.doc
2018上半年江西教师资格初中地理学科知识与教学能力真题及答案.doc
2012年河北国家公务员申论考试真题及答案-省级.doc
2020-2021学年江苏省扬州市江都区邵樊片九年级上学期数学第一次质量检测试题及答案.doc
2022下半年黑龙江教师资格证中学综合素质真题及答案.doc
