スレッドベースの環境またはプロセスベースの環境の選択

Parallel Computing Toolbox™ を使用すると、スレッドベースまたはプロセスベースの環境などのさまざまな並列環境で並列コードを実行できます。これらの環境には異なる利点があります。

スレッドベースの環境は、プロセスワーカーで使用できる MATLAB^® 関数のサブセットのみをサポートすることに注意してください。サポートされていない関数については、MathWorks テクニカルサポートチームまでご連絡ください。サポートの詳細については、スレッドベースの環境に関するサポートの確認を参照してください。

並列環境の選択

選択した並列環境のタイプに応じて、プロセスワーカーまたはスレッドワーカーのいずれかで機能が実行されます。自分に適した環境を選択するには、以下の図と表を参照してください。

Flowchart for deciding whether to uses process workers, thread workers, or a remote process-based cluster. This information in the flowchart is described in the subsequent tables.

parfor、parfeval などの並列プール機能を使用するには、選択した環境で関数 parpool を使用して並列プールを作成します。

環境推奨事項例

ローカルマシン上のスレッドベースの環境

環境	推奨事項	例
ローカルマシン上のスレッドベースの環境	メモリ使用量を削減し、スケジューリングを高速化し、データ転送コストを低減するには、この設定を使用します。	parpool('Threads') メモ `'Threads'` を選択する場合は、コードがサポートされていることを確認してください。詳細については、スレッドベースの環境に関するサポートの確認を参照してください。スレッドベースのプールから十分なメリットが受けられるかどうかを調べるには、`ticBytes` と `tocBytes` を使用してプロセスベースのプールのデータ転送量を測定します。100 MB を上回るほどデータ転送量が大きい場合は、`'Threads'` を使用してください。
ローカルマシン上のプロセスベースの環境	ほとんどのユースケース、およびクラスターまたはクラウドにスケーリングする前のプロトタイピングには、この設定を使用します。	parpool('Processes')
リモートクラスター上のプロセスベースの環境	計算をスケールアップするには、この設定を使用します。	parpool('MyCluster') `MyCluster` はクラスタープロファイルの名前です。

メモリ使用量を削減し、スケジューリングを高速化し、データ転送コストを低減するには、この設定を使用します。

parpool('Threads')

メモ

'Threads' を選択する場合は、コードがサポートされていることを確認してください。詳細については、スレッドベースの環境に関するサポートの確認を参照してください。

スレッドベースのプールから十分なメリットが受けられるかどうかを調べるには、ticBytes と tocBytes を使用してプロセスベースのプールのデータ転送量を測定します。100 MB を上回るほどデータ転送量が大きい場合は、'Threads' を使用してください。

ローカルマシン上のプロセスベースの環境

ほとんどのユースケース、およびクラスターまたはクラウドにスケーリングする前のプロトタイピングには、この設定を使用します。

parpool('Processes')

リモートクラスター上のプロセスベースの環境

計算をスケールアップするには、この設定を使用します。

parpool('MyCluster')

MyCluster はクラスタープロファイルの名前です。

batch などのクラスター機能を使用するには、選択した環境で関数 parcluster を使用してクラスターオブジェクトを作成します。クラスター機能は、プロセスベースの環境でのみサポートされています。

環境推奨事項例

ローカルマシン上のプロセスベースの環境

環境	推奨事項	例
ローカルマシン上のプロセスベースの環境	十分なローカルリソースがある場合、あるいはクラスターまたはクラウドにスケーリングする前のプロトタイプを作成するには、この設定を使用します。	parcluster('Processes')
リモートクラスター上のプロセスベースの環境	計算をスケールアップするには、この設定を使用します。	parcluster('MyCluster') `MyCluster` はクラスタープロファイルの名前です。

十分なローカルリソースがある場合、あるいはクラスターまたはクラウドにスケーリングする前のプロトタイプを作成するには、この設定を使用します。

parcluster('Processes')

リモートクラスター上のプロセスベースの環境

計算をスケールアップするには、この設定を使用します。

parcluster('MyCluster')

MyCluster はクラスタープロファイルの名前です。

推奨事項

プロセスベースの環境を既定にすることを推奨します。

並列言語を完全にサポートする。
以前のリリースとの下位互換性を備える。
クラッシュ時に、より高いロバスト性を有する。
外部ライブラリをスレッドセーフにする必要がない。

以下の場合にスレッドベースの環境を選択します。

並列コードがスレッドベースの環境でサポートされている。
メモリ使用量の削減、スケジューリングの高速化、およびデータ転送コストの低減が必要である。

プロセスワーカーとスレッドワーカーの比較

以下に、スレッドワーカーの効率を活用する例として、プロセスワーカーとスレッドワーカーとのパフォーマンス比較を示します。

何らかのデータを作成します。

X = rand(10000, 10000);

プロセスワーカーの並列プールを作成します。

pool = parpool('Processes');

Starting parallel pool (parpool) using the 'Processes' profile ...
Connected to the parallel pool (number of workers: 6).

何らかの並列コードの実行時間およびデータ転送量を測定します。この例では、parfeval の実行を使用します。

ticBytes(pool);
tProcesses = timeit(@() fetchOutputs(parfeval(@sum,1,X,'all')))
tocBytes(pool)

tProcesses = 3.9060

             BytesSentToWorkers    BytesReceivedFromWorkers
             __________________    ________________________

    1                   0                       0          
    2                   0                       0          
    3                   0                       0          
    4                   0                       0          
    5             5.6e+09                   16254          
    6                   0                       0          
    Total         5.6e+09                   16254

データ転送量の著しいことが分かります。データ転送コストの負担を回避するために、スレッドワーカーを使用できます。現在の並列プールを削除し、スレッドベースの並列プールを作成します。

delete(pool);
pool = parpool('Threads');

同じコードの実行時間を測定します。

tThreads = timeit(@() fetchOutputs(parfeval(@sum,1,X,'all')))

tThreads = 0.0232

時間を比較します。

fprintf('Without data transfer, this example is %.2fx faster.\n', tProcesses/tThreads)

Without data transfer, this example is 168.27x faster.

スレッドワーカーのパフォーマンスがプロセスワーカーより高くなっています。これは、スレッドワーカーはデータ X をコピーせずに使用でき、スケジュールのオーバーヘッドが低いためです。

プロセスベースおよびスレッドベースのプールにおける最適化問題の並列求解

この例では次を使用します。

ライブスクリプトを開く

この例では、プロセスベースおよびスレッドベースのプールを使用して最適化問題の解を並列で求める方法を説明します。

スレッドベースのプールはデータ転送の低減、スケジューリングの高速化、およびメモリ使用量の低減に向けて最適化されているため、結果としてアプリケーションで高いパフォーマンスが得られます。

問題の説明

問題は、大砲の位置と角度を変更して、壁を越えてできるだけ遠くに発射体を射出することです。大砲の砲口速度は 300 m/s です。壁の高さは 20 m です。大砲が壁に近すぎると、射出角度が大きすぎ、発射体の飛行距離が十分に長くなりません。大砲と壁が離れすぎると、発射体の飛行距離が十分に長くなりません。問題の網羅的な詳細については、Optimize ODEs in Parallel (Global Optimization Toolbox)、または Surrogate Optimization のビデオの後半部分を参照してください。

MATLAB での問題の定式化

問題を解くには、Global Optimization Toolbox から patternsearch ソルバーを呼び出します。この目的関数は、指定された位置と角度について、発射体が壁を越えて着地する距離を計算する補助関数 cannonobjective の中にあります。制約は、発射体が壁に衝突するか、または地面に衝突する前に壁に到達するかを計算する補助関数 cannonconstraint の中にあります。これらの補助関数は個別のファイルに含まれており、この例の実行時に表示できます。

patternsearch ソルバーに以下の入力を設定します。Parallel Computing Toolbox を使用するには、最適化オプションの 'UseParallel' を true に設定しなければならない点に注意してください。

lb = [-200;0.05];
ub = [-1;pi/2-.05];
x0 = [-30,pi/3];
opts = optimoptions('patternsearch',...
    'UseCompletePoll', true, ...
    'Display','off',...
    'UseParallel',true);
% No linear constraints, so set these inputs to empty:
A = [];
b = [];
Aeq = [];
beq = [];

プロセスベースのプールでの求解

比較の目的で、まずプロセスベースの並列プールを使用してこの問題を解きます。

プロセスワーカーの並列プールを起動します。

p = parpool('Processes');

Starting parallel pool (parpool) using the 'Processes' profile ...
Connected to the parallel pool (number of workers: 6).

後で同じ計算を再現するために、乱数発生器のシードに既定値を使用します。

rng default;

ループを使用して問題の解を数回求め、結果を平均します。

tProcesses = zeros(5,1);
for repetition = 1:numel(tProcesses)
    tic
    [xsolution,distance,eflag,outpt] = patternsearch(@cannonobjective,x0, ...
        A,b,Aeq,beq,lb,ub,@cannonconstraint,opts);
    tProcesses(repetition) = toc;
end
tProcesses = mean(tProcesses)

tProcesses = 2.7677

スレッドベースのプールとの比較に備えて、現在の並列プールを削除します。

delete(p);

スレッドベースのプールでの求解

スレッドワーカーの並列プールを起動します。

p = parpool('Threads');

Starting parallel pool (parpool) using the 'Threads' profile ...
Connected to the parallel pool (number of workers: 6).

乱数発生器を既定の設定に戻して、前と同じコードを実行します。

rng default
tThreads = zeros(5,1);
for repetition = 1:numel(tThreads)
    tic
    [xsolution,distance,eflag,outpt] = patternsearch(@cannonobjective,x0, ...
        A,b,Aeq,beq,lb,ub,@cannonconstraint,opts);
    tThreads(repetition) = toc;
end
tThreads = mean(tThreads)

tThreads = 1.5790

スレッドワーカーとプロセスワーカーのパフォーマンスを比較します。

fprintf('In this example, thread workers are %.2fx faster than process workers.\n', tProcesses/tThreads)

In this example, thread workers are 1.75x faster than process workers.

スレッドベースのプールの最適化によりパフォーマンスが向上していることが分かります。

計算が完了したら、並列プールを削除します。

delete(p);

スレッドベースの環境とは

スレッドベースの環境では、並列言語機能は、マシンのコアでコードを実行する計算スレッドによりサポートされているワーカー上で実行されます。計算スレッドは、同じプロセス内に共存し、メモリを共有できるという点で、計算プロセスと異なります。

Schematic of a multicore machine showing four thread workers within a single process.

スレッドベースの環境は、プロセスベースの環境と比べて以下の利点があります。

スレッドワーカーはメモリを共有できるため、コピーせずに数値データにアクセスでき、メモリ効率が高い。
スレッド間の通信時間が短い。このため、タスクのスケジューリングまたはワーカー間の通信のオーバーヘッドが小さい。

スレッドベースの環境を使用するときには、以下の考慮事項に留意してください。

コードがスレッドベースの環境でサポートされていることを確認する。詳細については、スレッドベースの環境に関するサポートの確認を参照してください。
ワーカーから外部ライブラリを使用する場合は、ライブラリ関数がスレッドセーフであることを確認しなければならない。

プロセスベースの環境とは

プロセスベースの環境では、並列言語機能は、マシンのコアでコードを実行する計算プロセスによりサポートされているワーカー上で実行されます。計算プロセスは、相互に独立しているという点で計算スレッドと異なります。

Schematic of a multicore machine showing four independent process workers.

プロセスベースの環境は、スレッドベースの環境と比べて以下の利点があります。

すべての言語機能をサポートし、以前のリリースとの下位互換性を有する。
クラッシュ時に、より高いロバスト性を有する。プロセスワーカーがクラッシュしても、MATLAB クライアントはクラッシュしません。プロセスワーカーがクラッシュした場合、コードで spmd または分散配列を使用していなければ、残りのワーカーは処理を継続できます。
ワーカーから外部ライブラリを使用する場合は、スレッドセーフについて注意する必要がない。
batch などのクラスター機能を使用できる。

プロセスベースの環境を使用するときには、以下の考慮事項に留意してください。