倍频并行功能使单机运行时间变差

Question

我尝试通过octave创建一个测试代码来评估我的8核处理器的Windows机器上的时间效率（单机并行）；从文档中提供的简单代码示例开始，如下：

pkg load parallel
fun = @(x) x^2;
vector_x = 1:20000;

# Serial Format of the Program
tic()
for i=1:20000
vector_y(1,i)=vector_x(1,i)^2;   
endfor
toc()

# Parallel Format of the Program
tic()
vector_y1 = pararrayfun(nproc, fun, vector_x);
toc()

令我惊讶的是，串行代码所需的时间比使用并行功能快得多。串行案例的运行时间为 0.0758219 秒，并行案例的运行时间为 3.79864 秒。

有人可以解释一下它是否是并行开销，或者我应该在我的 Octave 设置中设置一些东西，或者在哪些情况下并行化真的很有帮助？

Answer 1

TL;DR：在计时器之外打开你的泳池并选择更困难的操作。

---

有两个主要问题。其中之一是 Ander 在他的评论中提到的，启动并行池需要一两秒。您可以提前打开它（在 MATLAB 中，您可以通过

parpool

来完成此操作）以加快速度。或者，运行单个并行操作，从而打开池，然后重做计时。

第二个问题是操作的简单性。仅仅对一个数字进行平方不会比串行计算快得多。对于如此简单的操作，在工作人员之间来回传递数据是没有意义的。使用更昂贵的函数重做测试，例如

eig()

正如 MATLAB 在其示例中所做的那样。

因此，如果操作的运行时间大大超过了将数据传入和传出工作线程的开销，那么并行化就非常有用。基本上，这意味着您要么拥有一个非常大的数据集，需要对每个项目执行相同的操作（例如，取每 1000 行左右的平均值），要么您有一些繁重但独立的任务需要执行。

为了更深入的解释，我可以推荐我的这个答案以及其中的参考文献。

作为旁注，我很惊讶你的序列

for

这么快，因为你没有初始化你的输出向量。 预分配非常重要，因为在循环中“增长”数组需要创建一个新数组并将所有先前的内容复制到其中每次迭代。
您可能还想考虑不使用

i

或

j

作为变量名称，因为它们表示虚数单位。它不会对运行时产生太大影响，但可能会导致很难调试的错误。只需使用

idx

、

ii

或更具描述性的变量名称即可。

Answer 2

请注意，如上所示的 for 循环还有另一个问题：它将为动态增长的数组分配内存。您可以通过提前为输出数组分配内存来节省一些时间，例如

向量_y = 零（大小（向量_x））;

循环之前。但该任务最简单、最快的解决方案是

向量_y =向量_x .^ 2; %。表示元素明智操作

与循环相比快 1000 倍！