本页采用了机器翻译。点击此处可查看最新英文版本。

以编程方式收集池监控数据

自 R2025a 起

池监控数据可帮助您了解池工作单元如何在并行池上执行并行构造，例如 parfor、parfeval 和 spmd。监控数据包括有关工作单元如何执行并行代码以及相关数据传输的信息。这些信息可帮助您识别瓶颈、平衡工作负载、确保资源利用效率，并优化并行代码的性能。

您可以使用 ActivityMonitor 对象以编程方式收集池活动监控数据，或使用并行池仪表板以交互方式收集数据。对于大多数工作流，请使用并行池仪表板进行交互式收集和查看监控数据。但是，如果您需要收集监控数据以供日后审查或用于在并行批处理池上运行的代码，请使用 ActivityMonitor 对象。

收集交互式并行池的监控数据

打开实时脚本

此示例展示了如何使用 ActivityMonitor 对象收集交互式并行池上的监控数据。

创建一个具有三个工作单元的并行池。

nWorkers = 3;
pool = parpool(nWorkers);
Starting parallel pool (parpool) using the 'Processes' profile ...
Connected to parallel pool with 3 workers.

收集并分析监控数据

创建一个 ActivityMonitor 对象，开始收集池监控数据。

monitor = parallel.pool.ActivityMonitor;

运行您的并行代码。为了便于理解，本示例使用一个简单的 parfor 循环来遍历一系列值。

values = [5 12 13 1 12 5];
parfor (idx = 1:numel(values),3)
    u = rand(values(idx)*3e4,1);
    out(idx) = max(conv(u,u));
end

代码执行完成后，停止收集监控数据，并获取在 parfor 执行期间收集的池监控结果。

monitoringResults = stop(monitor);

在并行池仪表板中可视化监控结果。parpoolDashboard 函数打开“并行池仪表板”，并在 ActivityMonitorResults 对象 monitoringResults 中显示监控结果。

parpoolDashboard(monitoringResults)

通常，比较工作单元的执行时间可以帮助您识别代码中的瓶颈。时间轴图形直观地显示了工作单元和客户端执行 parfor 循环并传输数据所花费的时间。深蓝色表示运行 parfor 循环所花费的时间，浅蓝色表示发送数据所花费的时间，品红色表示接收数据所花费的时间。

您可以看到，与其他工作单元相比，一些工作单元完成迭代所需的时间明显更长，导致工作单元在大部分 parfor 执行时间内处于空闲状态。这表明负载在工作单元之间分配不均匀。

The Pool Dashboard Timeline shows Worker 1 completes its parfor iterations before three seconds, Worker 2 completes its iterations at 16 seconds, and Worker 3 completes its iteration at 25 seconds.

改进并行代码

如果您知道 parfor 循环中每个迭代的工作量，则您可以使用 parforOptions 来控制将迭代划分为工作单元子范围。有关详细信息，请参阅parforOptions。

在此示例中，values 的值越大，迭代的计算量就越大。values 中的每对连续的值平衡了低计算强度和高计算强度。为了更好地分配工作量，创建一组 parfor 选项，将 parfor 迭代划分为 2 大小的子范围。 

opts = parforOptions(pool,RangePartitionMethod="fixed",SubrangeSize=2);

创建一个 ActivityMonitor 对象，开始收集池监控数据。

monitor = parallel.pool.ActivityMonitor;

运行与之前相同的代码。要使用 parfor 选项，请将它们传递给 parfor 的第二个输入参量。

parfor (idx = 1:numel(values),opts)
    u = rand(values(idx)*3e4,1);
    out(idx) = max(conv(u,u));
end

检索监控结果并在并行池仪表板中可视化展示结果。

monitoringResults = stop(monitor);
parpoolDashboard(monitoringResults)

在时间轴图中，比较工作单元的执行时间。请注意，在第二个 parfor 循环中，每个工作单元执行 parfor 迭代所需的时间大致相同，没有空闲的工作单元。现在工作量已经得到更好的分配。

The Pool Dashboard Timeline shows all three workers completing their parfor iterations before 14 seconds.

收集批并行池的监控数据

打开实时脚本

此示例展示了如何使用 ActivityMonitor 对象收集批处理作业并行池中的监控数据。

使用 parfeval 函数定义一个函数，对不同的美元拍卖模型进行仿真。该函数创建一个 ActivityMonitor 对象来收集监控数据，提交并等待 parfeval 计算，然后检索池监控结果。

function monitoringResults = runDollarAuctionModels
% Define simulation parameters
params.nPlayers = 20;
params.incr = 0.05;
params.dropoutRate = 0.01;
params.nTrials = 1000;
params.coalitionProbability = 0.5;
params.riskRange = [0.5 2];

% Define a list of model functions to run
modelFunctions = {@mcDollarAuction,@mcCollabDollarAuction,@mcRiskAverseDollarAuction};
numModels = length(modelFunctions);

% Create an ActivityMonitor object to collect monitoring data
monitor = parallel.pool.ActivityMonitor;

% Use parfeval to simulate each model in parallel
f(1:numModels) = parallel.FevalFuture;
for m = 1:numModels
    f(m) = parfeval(modelFunctions{m},1,params);
end
wait(f);

% Stop the activity monitor and retrieve the results collected
monitoringResults = stop(monitor);
end

将 runDollarAuctionModels 函数作为批处理作业运行，等待批处理作业完成。

job = batch(@runDollarAuctionModels,1,Pool=4,CaptureDiary=false);
wait(job);

从已完成的批处理作业中获取监控结果。

out = fetchOutputs(job);
monitoringResults = out{1};

在并行池仪表板中可视化监控结果。

parpoolDashboard(monitoringResults)

探索并行池监控数据

在“并行池仪表板”中，时间轴图表示工作单元运行并行代码和传输数据所花费的时间。黄色表示执行 parfeval 计算所花费的时间，浅蓝色表示发送数据所花费的时间，而品红色表示接收数据所花费的时间。观察时间线图表，您可以看到其中一个 parfeval 柱状图比其他柱状图更长。要查看该 parfeval 计算的具体信息，请点击该栏。

The Pool Dashboard displays a timeline graph showing the execution timeline of three parfeval computations, each represented by a bar. All workers begin their tasks simultaneously. Worker 1 completes its computation in 6 seconds, Worker 3 in 13 seconds, and Worker 5 just after 8 seconds.

时间轴图和并行构造、摘要以及工作单元摘要表现在显示所选 parfeval 计算的特定信息。您可以在并行构造表的详细信息列中识别所选的 parfeval 计算正在运行的函数。

The updated timeline graph displays the parfeval computation on Worker 3 exclusively. In the Parallel Construct table, the row containing details for this computation is shaded and indicates that the function used is mcCollabDollarAuction.

要清除当前选定的 parfeval 计算的信息并再次查看所有工作单元的活动数据，在“并行池仪表板”的选择部分中，选择清除选择。

另请参阅

函数

对象

工具