如何在 spmd 块中索引共分布式数组

我正在做一个非常大的计算（大气吸收），其中有很多单独的窄峰，最后全部加起来。对于每个峰，我预先计算了峰形函数值高于我选择的阈值的范围，然后我逐行将峰添加到我的光谱中。下面给出了一个最小示例：

X = 1:1e7;
K = numel(a); % count the number of peaks I have.
spectrum = zeros(size(X));
for k = 1:K
    grid = X >= rng(1,k) & X <= rng(2,k);
    spectrum(grid) = spectrum(grid) + peakfn(X(grid),a(k),b(k),c(k)]);
end

在这里，每个峰都有一些定义位置和形状的参数（a,b,c），以及进行计算的范围（rng）。这效果很好，在我的机器上，它的基准测试时间约为 220 秒即可完成完整的数据集。然而，我有一台 4 核机器，我最终想在集群上运行它，所以我想对其进行并行化并使其可扩展。

因为每个循环都依赖于上一次迭代的结果，所以我不能使用parfor，所以我正在迈出学习如何使用的第一步spmd块。我的第一次尝试是这样的：

X = 1:1e7;
cores = matlabpool('size');
K = numel(a);
spectrum = zeros(size(X),cores);
spmd
    n = labindex:cores:K
    N = numel(n);
    for k = 1:N
        grid = X >= rng(1,n(k)) & X <= rng(2,n(k));
        spectrum(grid,labindex) = spectrum(grid,labindex) + peakfn(X(grid),a(n(k)),b(n(k)),c(n(k))]);
    end
end
finalSpectrum = sum(spectrum,2);

这几乎有效。程序在最后一行崩溃，因为spectrum属于类型Composite，以及文档2013a转弯的方法参差不齐Composite数据转化为矩阵（cell2mat不起作用）。这也不能很好地扩展，因为我拥有的核心越多，矩阵就越大，并且必须将大矩阵复制到每个工作人员，然后工作人员会忽略大部分数据。问题一：如何将复合数据类型转换为可用的数组？

我尝试的第二件事是使用codistributed array.

spmd
    spectrum = codistributed.zeros(K,cores);
    disp(size(getLocalPart(spectrum)))
end

这告诉我每个工人都有一个大小为 [K 1] 的向量，我相信这就是我想要的，但是当我尝试融合上述方法时

spmd
    spectrum = codistributed.zeros(K,cores);
    n = labindex:cores:K
    N = numel(n);
    for k = 1:N
        grid = X >= rng(1,n(k)) & X <= rng(2,n(k));
        spectrum(grid) = spectrum(grid) + peakfn(X(grid),a(n(k)),b(n(k)),c(n(k))]);        end
    finalSpectrum = gather(spectrum);
end
finalSpectrum = sum(finalSpectrum,2);

I get Matrix dimensions must agree错误。由于它位于并行块中，因此我无法使用正常的调试拐杖来逐步执行循环并查看每个块在每个点的大小，以了解发生了什么情况。问题2：在 codistributed array 中索引进出的正确方法是什么spmd block?

关于问题#1，Composite客户端中的变量基本上指的是非分布式的变体数组存储在工人身上。您可以通过以下方式从每个工作人员访问该数组{}- 使用相应的 labindex 进行索引（例如：spectrum{1}, spectrum{2}, ..).

对于您的代码将是：finalSpectrum = sum(cat(2,spectrum{:}), 2);

现在我自己使用随机数据尝试了这个问题。下面是要比较的三种实现（请参阅此处以了解之间的区别分布式和非分布式数组 http://www.mathworks.com/help/distcomp/nondistributed-versus-distributed-arrays.html）。首先我们从常用数据开始：

len = 100;    % spectrum length
K = 10;       % number of peaks
X = 1:len;

% random position and shape parameters
a = rand(1,K); b = rand(1,K); c = rand(1,K);

% random peak ranges (lower/upper thresholds)
ranges = sort(randi([1 len], [2 K]));

% dummy peakfn() function
fcn = @(x,a,b,c) x+a+b+c;

% prepare a pool of MATLAB workers
matlabpool open

1）串行for循环：

spectrum = zeros(size(X));
for i=1:size(ranges,2)
    r = ranges(:,i);
    idx = (r(1) <= X & X <= r(2));
    spectrum(idx) = spectrum(idx) + fcn(X(idx), a(i), b(i), c(i));
end
s1 = spectrum;

clear spectrum i r idx

2) SPMD 复合阵列

spmd
    spectrum = zeros(1,len);
    ind = labindex:numlabs:K;
    for i=1:numel(ind)
        r = ranges(:,ind(i));
        idx = (r(1) <= X & X <= r(2));
        spectrum(idx) = spectrum(idx) + ...
            feval(fcn, X(idx), a(ind(i)), b(ind(i)), c(ind(i)));
    end
end
s2 = sum(vertcat(spectrum{:}));

clear spectrum i r idx ind

3）具有共分布阵列的SPMD

spmd
    spectrum = zeros(numlabs, len, codistributor('1d',1));
    ind = labindex:numlabs:K;
    for i=1:numel(ind)
        r = ranges(:,ind(i));
        idx = (r(1) <= X & X <= r(2));
        spectrum(labindex,idx) = spectrum(labindex,idx) + ...
            feval(fcn, X(idx), a(ind(i)), b(ind(i)), c(ind(i)));
    end
end
s3 = sum(gather(spectrum));

clear spectrum i r idx ind

所有三个结果应该相等（在可接受的小误差范围内）

>> max([max(s1-s2), max(s1-s3), max(s2-s3)])
ans =
   2.8422e-14