4. 并行计算工具箱入门

MATLAB 的并行计算能力并不是“自动生效”的：默认情况下，for 循环仍然在单个工作进程（worker）上顺序执行。要让代码真正并行，需要先建立一个并行池（parallel pool），再使用能够把循环体分发到多个 worker 上的并行语言结构，最常用的就是 parfor。本章围绕并行池的创建与关闭、parfor 的基本语法与限制、以及任务如何被调度到 worker 上展开，目标是让你能独立写出第一个可运行、可验证的并行循环。

一、并行池是什么：worker、parpool 与客户端

并行池由一组独立的 MATLAB 工作进程组成，这些进程称为 worker。你当前操作的 MATLAB 桌面称为客户端（client）。客户端负责提交任务、收集结果；worker 负责实际计算。默认的本地并行池使用本机 CPU 的多个核心，每个 worker 对应一个计算进程，因此并行加速的上限通常受物理核心数限制。

并行池不是越多越好。worker 数量超过物理核心数时，多个 worker 会争抢同一核心，反而增加上下文切换开销。一般建议 parpool 的 worker 数不超过本机物理核心数；对于内存占用大的任务，还要考虑每个 worker 复制一份数据带来的内存压力。

二、启动与关闭并行池

最常用的启动方式是 parpool。不带参数时，MATLAB 会按默认配置启动本地池，worker 数通常等于可用核心数。也可以显式指定 worker 数量：

% 启动 4 个 worker 的本地并行池
pool = parpool(4);

% 查看当前池信息
disp(pool.NumWorkers)   % 输出 4
disp(pool.Cluster)      % 输出 local

% 使用完毕后关闭
delete(pool);

如果池已经存在，再次调用 parpool 会直接返回现有池，不会重复创建。可以用 gcp（get current pool）获取当前池句柄。关闭池使用 delete(pool)；若想关闭当前池而不持有句柄，可用 delete(gcp('nocreate'))。注意 gcp('nocreate') 在无池时返回空，不会自动创建池。

三、parfor 基本语法与适用条件

parfor 的写法与 for 几乎相同，只是把关键字替换掉：

n = 100;
results = zeros(1, n);

parfor i = 1:n
    results(i) = sqrt(i) * sin(i);
end

这段代码把 1 到 100 的迭代分配给多个 worker。每个 worker 计算一部分 i，把结果写回 results 的对应位置。关键限制是：循环迭代之间必须相互独立。也就是说，第 i 次迭代不能依赖第 i-1 次迭代的结果，也不能在迭代中修改会被其他迭代读取的共享变量。

常见的违规写法包括：

• 累加式依赖：s = s + x(i)，其中 s 在循环外初始化并被所有迭代共享。
• 索引依赖：a(i) = a(i-1) + 1，后一次迭代读取前一次写入的值。
• 动态增长：在循环内用 a(end+1) = ... 扩展数组，不同 worker 无法安全协调。

如果确实需要归约操作（求和、求最大值等），应使用 MATLAB 支持的归约变量形式，例如 total = total + x(i) 在 parfor 中是被允许的，因为每个 worker 会维护局部副本，最后再合并。但更推荐用向量化或 sum、max 等函数直接处理，避免依赖隐式归约。

四、任务调度初步：迭代如何被分配

当 parfor 开始执行时，MATLAB 会把迭代区间切分成若干块（chunk），分发给池中的 worker。默认策略是动态调度：先给每个 worker 分配一块，谁先完成谁再领取下一块。这样能缓解不同迭代耗时不一致带来的负载不均。

调度粒度会影响性能。块太小，任务分发和结果回收的通信开销占比升高；块太大，负载均衡效果变差。MATLAB 会根据迭代次数和 worker 数量自动选择，一般不需要手动干预。但在迭代耗时差异极大时，可以通过调整循环结构或使用 parfor 的选项来改善。

五、一个可验证的完整示例

下面用一个计算量适中的例子观察并行效果。任务是对每个 i 计算一个较大矩阵的特征值之和，单次迭代耗时约几毫秒到几十毫秒，适合并行。

n = 200;
vals = zeros(1, n);

% 启动池（假设本机 4 核）
pool = parpool(4);

tic;
parfor i = 1:n
    A = rand(300) + i * eye(300);   % 构造一个随 i 变化的矩阵
    vals(i) = sum(eig(A));          % 计算特征值之和
end
t_par = toc;

delete(pool);

% 顺序版本对比
tic;
for i = 1:n
    A = rand(300) + i * eye(300);
    vals_seq(i) = sum(eig(A));
end
t_seq = toc;

fprintf('并行耗时: %.2f s\n', t_par);
fprintf('顺序耗时: %.2f s\n', t_seq);
fprintf('加速比: %.2f\n', t_seq / t_par);

运行后应观察三点：第一，vals 与 vals_seq 是否一致（在浮点误差范围内）；第二，并行耗时是否明显小于顺序耗时；第三，加速比是否接近 worker 数量。如果加速比远低于预期，常见原因是迭代计算量太小、数据分发开销大，或者 worker 数量超过了物理核心数。

六、常见配置与排错要点