Parallelize

Parallelize[expr]

自动并行计算 expr.

更多信息和选项

Parallelize[expr] 在不同的内核和处理器之间分配不同的 expr 计算部分.
Parallelize[expr] 通常给出计算 expr 相同的结果，除了在计算中产生副作用外.
Parallelize 有属性 HoldFirst，这样在并行之前不会计算表达式.

并行选项

可以给出下列选项：

Method	Automatic	并行化粒度
DistributedContexts	$DistributedContexts	用于将符号分配到并行计算的上下文
ProgressReporting	$ProgressReporting	是否报告计算进度

Method 选项指定要使用的并行化方法. 可能的设置包括：

	"CoarsestGrained"	将计算分成与可用内核数量相同的段
	"FinestGrained"	将计算分成最小的子单元
	"EvaluationsPerKernel"->e	将计算分成每个内核最多 e 段
	"ItemsPerEvaluation"->m	将计算分成每个内核最多 m 个子单元
	Automatic	在总开销和负载平衡之间的折中

Method->"CoarsestGrained" 适用于涉及多个子单元的计算，所有子单元采用相同的时间计算. 将总开销降到最低，不提供任何负载均衡.
Method->"FinestGrained" 适用于少量子单元的计算，子单元采用不同的时间计算. 它提高总开销，但最大化了负载均衡.
DistributedContexts 选项指定出现在 expr 中的哪些符号在计算之前将其定义自动分发到所有可用内核.
设置 $DistributedContexts:=$Context，默认值为 DistributedContexts:>$DistributedContexts，该值分发当前上下文中所有符号的定义，但不分发程序包中的符号定义.
ProgressReporting 选项指定是否报告并行计算的进度.
默认值为 ProgressReporting:>$ProgressReporting.

并行范围

Parallelize[f[…]] 并行运行这些对列表逐个元素进行运算的函数：Apply、AssociationMap、Cases、Count、FreeQ、KeyMap、KeySelect、KeyValueMap、Map、MapApply、MapIndexed、MapThread、Comap、ComapApply、MemberQ、Pick、Scan、Select、Through.
Parallelize[iter] 并行运行迭代器 Array、Do、Product、Sum、Table.
Parallelize[list] 并行运行 list 中的元素.
Parallelize[f[…]] 可以并行处理可列表函数和关联函数以及内积和外积. »
Parallelize[cmd₁;cmd₂;…] 将 Parallelize 包装在每个 cmd_i 周围，并依次计算它们. »
Parallelize[s=expr] 转换为 s=Parallelize[expr].
Parallelize[expr] 如果 expr 不属于 Parallelize 所识别的情况，则按顺序对 expr 进行计算.

范例

打开所有单元关闭所有单元

基本范例 (4)

并行对一个函数进行映射：

并行地产生一个表格：

交互式定义的函数可以立即被并行使用：

耗时更长的计算显示有关其进度和估计完成时间的信息：

范围 (23)

可列的函数 (1)

当应用到一个列表时，所有具有一个变量的可列表函数将自动地并行化：

隐式定义列表：

保结构函数 (8)

许多保存列表结构的函数型程序结构并行处理：

f@@@list 等价于 MapApply[f,list]：

结果不一定有和输入相同的长度：

没有函数，Parallelize 仅简单并行计算元素：

化简 (4)

统计直到一百万的素数的数量：

检测93是否出现在前100个素数的列表中：

检查一个列表是否不含有5：

该变量不一定是一个显式的 List：

内积和外积 (2)

内积自动地并行化：

外积自动地并行化：

迭代 (3)

并行计算一个表，在迭代变量和无迭代变量下：

并行产生一个数组：

并行计算和与积：

函数的计算并行出现：

在子内核上局部扩展文件名列表：

关联函数 (4)

并行运行 AssociationMap：

并行运行 KeyMap：

并行运行 KeySelect：

并行运行 KeyValueMap：

推广和延伸 (4)

由一些变量组成的可列表函数：

只有赋值的右边被并行化：

一个复合表达式的并行是一个接一个：

并行生成视频帧：

选项 (13)

DistributedContexts (5)

默认情况下，当前上下文的定义会自动分配：

没有分配任何函数的定义：

分配出现在并行计算中的所有上下文中的符号定义：

只分配给定上下文的定义：

恢复 DistributedContexts 选项的值为默认值：

Method (6)

把计算分成最小可能的子单元：

把计算分成与可利用内核相同数目的块：

对于整个任务，把计算分成每个内核最多两次计算：

把计算分成每次计算最多含有5个元素：

默认选项设置在计算规模和计算次数之间取折中：

具有很大差异的运行时间的计算应该被尽可能精细地并行化：

大量简单计算应该被分成尽可能少的批次：

ProgressReporting (2)

不显示临时进度报告：

使用 Method"FinestGrained" 可得到准确度最高的进度报告：

应用 (4)

搜索 Mersenne 素数：

观测求得的结果的出现：

计算视觉化的整个表格：

并行搜索整个区域，以求得局部最小值：

选择最佳结果：

使用一个共享函数来记录产生的计时结果：

建立带有计时结果的动态柱状图：

运行一系列具有很大差异的运行时间的计算：

属性和关系 (7)

对于数据并行函数，Parallelize 关于 ParallelCombine 实现：

并行加速可用花费已知数目的时间的计算来测量：

定义大量具有已知运行时间的任务：

一个串行执行的时间是所有单个时间的和：

测量并行计算的加速：

最细颗粒度调度（Finest-grained scheduling）产生更好的负载平衡和更高的加速：

首先调用大型任务产生更好的结果：

关于从 +、–、*、/ 中选择的 ⊗，形成算术表达式 1⊗2⊗3⊗4⊗5⊗6⊗7⊗8⊗9：

每个算术运算的列表产生一个简单的计算：

计算它是简单的：

求所有产生0的算术运算的序列：

显示相应的表达式：

当需要时，互动式定义的函数自动分配到所有内核：

手动分配定义且禁止自动分配：

对于来自于程序包的函数，使用 ParallelNeeds 而不是 DistributeDefinitions：

设置一个随机数生成元，适于并行使用和初始化每个内核：

可能存在的问题 (8)

不能并行化的表达式则进行通常计算：

副作用（Side effects）不能用于并行映射的函数中：

使用一个共享变量来支持副作用：

如果没有子内核，则在主内核中计算结果：

如果所用的函数没有先被分配，则结果可能仍然看起来是正确的：

仅当函数被分配，结果才能真正地在可用的内核上计算：

在当前上下文的函数定义自动分配：

不是来自于默认上下文的定义不会自动分配：

使用 DistributeDefinitions 分配这样的定义：

或者，设置 DistributedContexts 选项包括所有的上下文：

显式分配函数的定义：

修改定义：

修改的定义是自动分配的：

禁止定义的自动分配：

只在子内核中定义的符号不会自动分配：

$DistributedContexts 的值没有用在 Parallelize：

设置 Parallelize 的 DistributedContexts 选项：

恢复所有的设置为默认值：

当并行处理时，平凡操作可能需要更长的时间：

巧妙范例 (1)

显示求得的非平凡自动机：

顶部