时间戳

首页 > 解决方案 > Julia：宏线程和并行

multithreading - Julia：宏线程和并行

问题描述

正如我们所知，Julia 支持并行性，这是植根于非常好的语言的东西。

我最近看到 Julia 支持线程，但在我看来它是实验性的。我注意到在使用Threads.@Threads宏的情况下不需要共享数组，这可能是一个计算优势，因为没有执行对象的副本。我还看到不使用@everywhere.

谁能告诉我使用@parallel宏而不是@threads宏的优势？

下面是使用非同步宏进行并行的两个简单示例。

使用@threads 宏

addprocs(Sys.CPU_CORES)

function f1(b)
   b+1 
end

function f2(c)
   f1(c)
end

result = Vector(10)

@time Threads.@threads for i = 1:10
  result[i] = f2(i)
end

0.015273 秒（6.42 k 分配：340.874 KiB）

使用 @parallel 宏

addprocs(Sys.CPU_CORES)

@everywhere function f1(b)
   b+1 
end

@everywhere function f2(c)
   f1(c)
end

result = SharedArray{Float64}(10)
@time @parallel for i = 1:10
    result[i] = f2(i)
end

0.060588 秒（68.66 k 分配：3.625 MiB）

在我看来，对于循环在数学上独立并且需要大量计算性能的蒙特卡罗模拟，使用@threads宏更方便。您认为使用每个宏的优缺点是什么？

此致。

标签： multithreadingjulia

解决方案

这是我的经验：

线程

优点：

  • 共享内存
  • 用多线程生成 Julia 的成本低

缺点：

  • 受限于单台机器
  • 必须在 Julia 启动时指定线程数
  • 虚假共享可能存在的问题 ( https://en.wikipedia.org/wiki/False_sharing )
  • 通常您必须使用锁定或原子操作才能使程序正常工作；特别是 Julia 中的许多函数不是线程安全的，所以你必须小心使用它们
  • 不保证在 Julia 1.0 之后保持当前形式

进程

优点：

  • 更好的扩展性（例如，您可以在多台机器的集群上生成它们）
  • 您可以在 Julia 运行时添加进程

缺点：

  • 当您必须在进程之间传递大量数据时效率低下
  • 启动较慢
  • 您必须明确地向/在工作人员之间共享代码和数据

概括

流程更容易使用并且可以更好地扩展。在大多数情况下，它们可以为您提供足够的性能。如果您在并行作业之间进行大量数据传输，线程会更好，但正确使用和调整会更加精细。

推荐阅读