[Matlab] Matlab parallel computing 平行運算好用，但仍要注意效率
Matlab大魔王，相當消耗電腦資源。 只是做個700萬筆資料的Time shift loop，瞬間就吃掉25 GB的RAM。 而且程式等了一小時都還沒好。 需要尋找解決方案。 狀況與問題 只是要處理一下timetable的timeshift問題 處理timetable的timeshift問題的主要 程式碼。 當程式開始執行後，打開Windows的工作管理員來看GPU跟CPU使用率，但數值跳太快了。 所以，看截圖的變化就好。 RAM吃到100%。足足32 GB的RAM被吃光光。 RAM使用了100%，CPU使用率到還好，不到10%。 PS: 還沒有Fortran恐怖! 以前算Eigenvalue and Eigenvector problems時，直接把32 GB的RAM吃完，然後報錯，出error code, 超出記憶體memory exceeded! 解決方案 (Case 1) 使用平行運算parallel computing， 把"for"改成"parfor"，重跑程式，就這麼簡單。 如圖所示，使用12個workers，迴圈數為7378891，整個迴圈跑下來共使用時間1477.311617秒。 RAM還是吃到100%，但這次連CPU也吃到100%了。讚! CPU吃到100% 可看到12個"MATLAB R2022b"正在執行中。 還好有使用平行運算，把時間壓縮到25分鐘左右。不然照比例算回去的話，可能需要300分鐘才跑得完。也就是要等5小時了。(我是不考慮再跑個單核來當對照組了，太累了) 確實，平行運算可以提升工作效率。 這台筆電從買來到現在，終於發揮它多核心跟32GB RAM的功能了。GOOD! ^_^ 當然，未來如果經費夠，應該考慮使用桌機或工作站來處理這類事情。否則，程式一跑下去，就要去"泡咖啡"喝下午茶了! ^_^ PS: 平行運算的手段還有很多，這裡只是使用相對簡單的方式去處理問題。針對不同的問題，也有不同的平行運算方式。有興趣的人，可自行深入研究。 平行運算不是萬能 (Case 2) 雖然在上述的工作中，平行運算發揮他的長項，幫我們節省了大量的時間。 但平行運算是不是萬能? 不見得! 例如，下面這段程式，若使用平行運算，花費92秒左右，若沒使用平行運算，則花費72秒左右...