定义Helper函数

支持函数金宝appclientFasterThanPool检查客户端上的计算是否比并行池上的计算快。它接受一个函数句柄作为输入fcn和数量可变的输入参数(In1, in2，…）.clientFasterThanPool执行Fcn (in1, in2，…)在客户端和活动的并行池上。作为一个例子，如果您希望进行测试兰特(500)，你的函数句柄必须是以下形式:

fcn = @(N) rand(N);

然后,用clientFasterThanPool (fcn, 500)．

函数[result, t_multi, t_single] = clientfastthanpool (fcn,numout,varargin)为输出预分配单元格数组输出= cell(numout);%客户抽搐为I = 1:200如果fcn(varargin{:});其他的[outputs{1:numout}] = fcn(varargin{:});结束结束T_multi = toc;%平行池vararginC = parallel.pool.Constant(varargin);抽搐parforI = 1:200为输出预分配单元格数组输出= cell(numout);如果fcn(varargc . value {:});其他的[outputs{1:numout}] = fcn(varargc . value {:});结束结束T_single = toc;%如果多线程更快，返回true结果= t_single > t_multi;结束

计算随机矩阵

检查的速度，在随机矩阵可以生成使用parfor循环,parfeval,spmd．设置试验次数(n)和矩阵大小(对于米——- - - - - -米矩阵)。增加试验次数可以改善后期分析中使用的统计数据，但不会影响计算本身。

m =1000；n =20.；

然后，使用parfor-循环执行兰特(米)每个工人一次。每个时间n试用

parforTime = 0 (n,1);为I = 1:n tic;mats = cell(1,p.NumWorkers);parforN = 1:p。NumWorkers mats{N} = rand(m);结束parforTime(i) = toc;结束

下一步,使用parfeval执行兰特(米)每个工人一次。每个时间n试用

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

最后,使用spmd执行兰特(米)每个工人一次。有关工作人员的详细信息以及如何在它们上执行命令spmd,请参阅在多个数据集上运行单个程序．每个时间n试用

spmdTime = 0 (n,1);为I = 1:n tic;spmdE = rand(m);结束特征值= {e{:}};spmdTime(i) = toc;结束

使用rmoutliers去除每次试验中的异常值。然后,用箱线图比较时间。

%隐藏异常值boxData = routliers ([parforTime parfevalTime spmdTime]);%绘图数据箱线图(boxData“标签”, {“parfor”，“parfeval”，“spmd”}，“象征”，”) ylabel (的时间(秒))标题(构造n个随机矩阵(m × m)）

通常情况下,spmd每次计算需要更多的开销parfor或parfeval．因此，在这种情况下，使用parfor循环或parfeval效率更高。

计算随机矩阵的和

接下来，计算随机矩阵的和。你可以通过使用一个约简变量parfor-loop，与计算后的和parfeval,或gplus与spmd．同样，设置试验次数(n)和矩阵大小(对于米——- - - - - -米矩阵)。

m =1000；n =20.；

然后，使用parfor-循环执行兰特(米)每个工人一次。用约简变量计算和。每个时间n试用

parforTime = 0 (n,1);为I = 1:n tic;结果= 0;parforN = 1:p。NumWorkers result =结果+ rand(m);结束parforTime(i) = toc;结束

下一步,使用parfeval执行兰特(米)每个工人一次。使用fetchOutputs在所有矩阵上，然后使用总和．每个时间n试用

parfevalTime = 0 (n,1);为I = 1:n tic;f(1:p.NumWorkers) = parallel.FevalFuture;为N = 1:p。NumWorkers f(N) = parfeval(@rand,1,m);结束result = sum(fetchOutputs(f));parfevalTime(i) = toc;清晰的f结束

最后,使用spmd执行兰特(米)每个工人一次。使用spmdPlus对所有矩阵求和。若要只将结果发送给第一个worker，请将可选的target worker参数设置为1．每个时间n试用

spmdTime = 0 (n,1);为I = 1:n tic;spmdr = spmdPlus(rand(m)， 1);结束结果= r{1};spmdTime(i) = toc;结束

使用rmoutliers去除每次试验中的异常值。然后,用箱线图比较时间。

%隐藏异常值boxData = routliers ([parforTime parfevalTime spmdTime]);%绘图数据箱线图(boxData“标签”, {“parfor”，“parfeval”，“spmd”}，“象征”，”) ylabel (的时间(秒))标题(n个随机矩阵的和(m × m)）

对于这个计算，spmd明显快于parfor循环或parfeval．当你在a中使用约简变量时parfor的每次迭代的结果parfor-循环到所有的工人。相比之下,spmd调用spmdPlus只需进行一次全局缩减操作，所需开销较少。因此，计算中减少部分的开销为 $$O（n^2）$$为spmd, $$O（米n^2）$$为parfor．