了解多核,多处理器和MPI上的MATLAB

Question

关于MATLAB如何利用并行硬件,我有几个密切相关的问题.它们很短,所以我认为最好将它们放在同一篇文章中:

• 在不使用Parallel Computing Toolbox时,MATLAB是否利用/受益于多个内核？
• 在不使用PCT时,MATLAB是否利用/受益于多个处理器？
• MATLAB 在不使用PCT时是否使用MPI？
• MATLAB 在使用PCT时是否使用MPI？

Answer 1

在不使用Parallel Computing Toolbox时,MATLAB是否利用/受益于多个内核？

是. 从R2007a开始,越来越多的内置函数被重写为多线程(尽管多线程只有在有益的情况下才会启动).

Element Wise Functions and Expressions:
------------------------------------------------------------------------------------------------
Functions that speed up for double arrays > 20k elements 

1) Trigonometric: ACOS(x), ACOSH(x), ASIN(x), ASINH(x), ATAN(x), ATAND(x), ATANH(x), COS(x), COSH(x), SIN(x), SINH(x), TAN(x), TANH(x)

2) Exponential: EXP(x), POW2(x), SQRT(x)

3) Operators: x.^y
For Example: 3*x.^3+2*x.^2+4*x +6, sqrt(tan(x).*sin(x).*3+8);

Functions that speed up for double arrays > 200k elements 

4) Trigonometric: HYPOT(x,y), TAND(x)

5) Complex: ABS(x)

6) Rounding and remainder: UNWRAP(x), CEIL(x), FIX(x), FLOOR(x), MOD(x,N), ROUND(x)

7) Basic and array operations: LOGICAL(X), ISINF(X), ISNAN(X), INT8(X), INT16(X), INT32(X)

Linear Algebra Functions: 
------------------------------------------------------------------------------------------------
Functions that speed up for double arrays > 40k elements (200 square) 


1)Operators: X*Y (Matrix Multiply), X^N (Matrix Power)

2)Reduction Operations : MAX and MIN (Three Input), PROD, SUM

3) Matrix Analysis: DET(X), RCOND(X), HESS(X), EXPM(X)

4) Linear Equations: INV(X), LSCOV(X,x), LINSOLVE(X,Y), A\b (backslash)

5) Matrix Factorizations: LU(X), QR(X) for sparse matrix inputs

6) Other Operations: FFT and IFFT of multiple columns of data, FFTN, IFFTN, SORT, BSXFUN, GAMMA, GAMMALN, ERF,ERFC,ERFCX,ERFINV,ERFCINV, FILTER

但是,对于以.m文件实现的代码,多个内核无济于事.

当然,多线程mex文件也会受益.

MATLAB在不使用PCT时是否使用MPI？

据我所知.

MATLAB在使用PCT时是否使用MPI？

是的,当您在群集上运行它时(尽管您也可以使用其他调度程序).为此,您需要获得Matlab Distributed Computing Server许可证的许可证.我不知道本地调度程序使用什么体系结构(在本地计算机上运行并行作业时使用的体系结构); 鉴于MPI功能是PCT的一部分,建议他们可以将其用于至少部分功能. 编辑:有关详细信息,请参阅@ Edric的答案

Answer 2

从@Jonas的详细答案中澄清并扩展几点:

• PCT使用MPICH2的构建(这不是基础MATLAB附带的).
• MPI函数在本地调度程序下可用 - 在这种情况下,MPICH2的构建可以利用共享内存进行通信.
• labSend/labReceive函数系列提供了围绕MPI_Send/MPI_Recv等的包装器.