[论文解读] Survey of Parallel Computing with MATLAB

Zaid Abdi Alkareem Alyasseri|arXiv (Cornell University)|Jul 25, 2014

Distributed and Parallel Computing Systems参考文献 3被引用 4

一句话总结

本综述全面概述了MATLAB中的并行计算，回顾了关键工具和框架，如MATLAB Parallel Computing Toolbox（PCT）、基于MPI的解决方案（例如MatlabMPI、bcMPI）、Star-P以及pMatlab。它分析了这些工具的架构、使用场景和性能特征，为MATLAB环境中可扩展科学计算的当前能力与未来发展方向提供了洞见。

ABSTRACT

Matlab is one of the most widely used mathematical computing environments in technical computing. It has an interactive environment which provides high performance computing (HPC) procedures and easy to use. Parallel computing with Matlab has been an interested area for scientists of parallel computing researches for a number of years. Where there are many attempts to parallel Matlab. In this paper, we present most of the past,present attempts of parallel Matlab such as MatlabMPI, bcMPI, pMatlab, Star-P and PCT. Finally, we expect the future attempts.

研究动机与目标

• 提供现有MATLAB并行计算解决方案的系统性综述。
• 分析主要并行MATLAB框架的优势、局限性和使用场景。
• 比较PCT、Star-P和基于MPI接口等工具在性能和易用性方面的差异。
• 识别现有方法中的不足之处，并提出未来研究方向。
• 支持研究人员和实践者为MATLAB中的HPC工作负载选择合适工具。

提出的方法

• 调查并分类现有的MATLAB并行计算工具和框架。
• 分析PCT、MATLABMPI、bcMPI、pMatlab和Star-P的架构设计。
• 评估各工具在分布式计算、消息传递以及与HPC集群集成方面的支持能力。
• 比较不同计算工作负载下各工具的性能特征和易用性。
• 识别MATLAB并行编程中的常见模式与挑战。
• 基于应用类型和部署环境，提供评估工具适用性的比较框架。

实验结果

研究问题

• RQ1 MATLAB中主要的并行计算框架有哪些，它们在设计和实现上如何不同？
• RQ2 PCT、Star-P和基于MPI的接口在性能和易用性方面如何比较？
• RQ3 现有MATLAB并行计算解决方案在真实HPC场景中的关键局限性是什么？
• RQ4 这些工具如何支持矩阵运算和迭代求解器等常见科学计算工作负载？
• RQ5 为增强MATLAB在大规模并行计算方面的支持，未来需要哪些发展？

主要发现

• MATLAB Parallel Computing Toolbox（PCT）是最广泛采用的解决方案，提供高阶接口以实现并行计算，且代码修改极少。
• 基于MPI的工具如MatlabMPI和bcMPI提供低阶控制和更好的性能可移植性，但需要更复杂的设置和专业知识。
• Star-P通过高阶接口实现MATLAB代码的自动并行化，减少了开发时间，但可能存在性能权衡。
• pMatlab通过消息传递支持在集群上执行并行计算，具有强大的可扩展性，但需要显式编程以实现并行性。
• 本综述识别出在MATLAB中针对大规模HPC工作负载缺乏标准化、可移植且用户友好的解决方案。
• 未来研究应聚焦于提升与HPC环境的集成能力、增强自动并行化能力，并支持异构架构。