分布式Matlab计算集群建立方法与Demo

注释：由于Matlab版本升级，用法可能有变化

文章来源：http://hi.baidu.com/modelren/item/6a9d09ff178db405d99e7220

    我的实验室有五台双核Pentium D 925计算机，这正适合用来做分布式或并行式计算。我打算只调用那些计算机中的一个核参与计算，留下一个核可以让其他人正常地使用该计算机。我们在这里将会介绍Matlab中Distributed Computing Toolbox的基本使用方法，目标是实现简单的分布式计算。

    Distributed Computing Toolbox就是分布式计算工具箱，简称DCT，其可以在多台计算机组成的Cluster中实现分布式或并行式计算。简单来说，我们是把一个很繁重的工作，分解成许多小任务，然后分给不同的计算机去处理，最后把计算结果汇总，以达到提高计算效率的目的。
    Matlab的做法是这样的：在每台参与计算的计算机中启动一个叫Matlab Distributed Computing Engine的服务，该服务能启动参与计算的worker的Matlab session和管理各台计算机workers的job manager。Job
manager对workers进行管理，给workers分配计算任务，接收workers计算后的结果。而你本人就是client，你要把你的工作分解为多个任务，然后把任务给job
manager。job manager就会根据workers的多少和空闲情况，适当地把任务分配给workers去做。workers完成任务后，会把结果返回给job manager。当所有workers都完成任务后，你，即是client，便可以从job manager里取回结果。

具体的概念可以参考Matlab的帮助，我们也不能说得很准确。我们在这里只想给出使用Matlab实现分布式计算的简单步骤，以便初学者快速入门。

１、局域网IP地址分配与配置

    首先第一步要做的，就是令每台要参与计算的计算机组成局域网。比如我有三台计算机，其IP地址分别为192.168.1.101－192.168.1.103，以下简称计算机名为101，102和103。

２、分布式计算引擎服务的启动

    在三台计算机中安装Matlab Distributed Computing Engine（mdce）服务。

    安装方法为：如Matlab的安装地址为C:\Program Files\MATLAB\R2006b，则Start->Run->cmd到命令行窗口，进入C:\Program Files\MATLAB\R2006b\toolbox\distcomp\bin目录，运行mdce
install（在Matlab2012下没找到此命令）命令安装mdce服务。接着去控制台->管理工具->服务，查看Matlab Distributed Computing Engine的属性。

    进入登录页，选择“此帐户”，输入NT AUTHORITY\NetworkService，删除下面的密码，让该服务以NetworkService的形式登入，以便该服务存取共享的映射网络驱动器中的原程序文件。接着便可以启动该服务了。注意以后重新开机，该服务都会启动，当然你可以设置让它手动启动。

３、启动job manager。

任一台计算机都可以启动job manager，只要mdce服务启动了即可。比如使用计算机101，在C:\Program Files\MATLAB\R2006b\toolbox\distcomp\bin目录下，运行以下命令：复制内容到剪贴板代码:

startjobmanager
-name frenseljobm

该命令启动jobmanager，其名字叫frenseljobm，启动地点为计算机101。

４、启动workers。任一台计算机都可以启动workers，只要mdce服务启动了即可。比如使用计算机101，在C:\Program Files\MATLAB\R2006b\toolbox\distcomp\bin目录下，运行以下命令：复制内容到剪贴板代码:

startworker
-jobmanagerhost 192.168.1.101 -jobmanager frenseljobm -name worker1

此命令指明在计算机192.168.1.101中，启动名为worker1的worker，而该worker受名为frenseljobm的jobmanager管理。就是说来自乡下101的可怜工人worker1，成为万恶的监工frenseljobm的“马仔”了。接着，监工frenseljobm要在不同村102和103中雇用更多的工人worker2、worker3。运行如下的命令：复制内容到剪贴板代码:

startworker
-jobmanagerhost 192.168.1.101 -jobmanager frenseljobm -name worker2 -remotehost 192.168.1.102

即可在102计算机中启动一个新的，名为worker2的worker，如此类推启动103计算机的worker3。使用nodestatus命令可以查看节点的状态，加上-remotehost可以查看其他节点的状态。

５、共享设置

    如令计算机101为client，即我们的程序在这里编写的。设程序文件位于D:\Matlab_code\testDCT中。共享出文件夹Matlab_code，在文件夹中按工具->映射网络驱动器->令盘符为Z:->文件夹里填\\192.168.1.101\Matlab_code。于是Z:\testDCT便成为放置你程序的地方了。以同样的方法，让计算机102和103都建立映射网络驱动器，令盘符为Z:，文件夹里填\\192.168.1.101\Matlab_code。这时三台机都可以通过Z:\testDCT访问原程序文件。

６、测试

这里给出测试的代码。首先写一个函数，模拟我们实际的工作。复制内容到剪贴板代码:

% hp.m

function f = hp(m, n)

H1 = zeros(n);

H2 = zeros(n);

for i = 1 : m

H = H1 + H2;

end

f = H;

end

function f = hp(m, n)

H1 = zeros(n);

H2 = zeros(n);

for i = 1 : m

H = H1 + H2;

end

f = H;

end

将此程序hp.m放在D:\Matlab_code\testDCT中。此函数计算n维随机矩阵的加法m次。接着建立另一个m文件，做具体的分布式计算。复制内容到剪贴板代码:

%
runDCT.m

tic

% 寻找资源，比如jobmanager在什么地方，叫什么名字。

jm = findResource('scheduler', 'type', 'jobmanager', 'name',...

'frenseljobm', 'LookupURL', '192.168.1.101');

% 使用刚才找到的资源建立一个工作

job = createJob(jm);

% 设置该工作的文件关联，让所有workers都可以找到原程序文件。

set(job, 'PathDependencies', {'Z:\testDCT'})

% 另一种方法，把用到的原程序文件传给所有workers。

% set(job, 'FileDependencies', {'hp.m'})

N = 100;

M = 1000000;

% 建立三个任务，每任务都是算hp(M, N)。

createTask(job, @hp, 1, {M, N});

createTask(job, @hp, 1, {M, N});

createTask(job, @hp, 1, {M, N});

% 提交工作给jobmanager。

submit(job)

% 等待所有workers都把任务做完。

waitForState(job, 'finished')

% 取出计算结果。

results = getAllOutputArguments(job);

toc

同样地，该程序runDCT.m也是放在D:\Matlab_code\testDCT中。该程序计算了三次100维矩阵的加法1000000次，即算了100维矩阵的加法3000000次。如果在单机上运行：复制内容到剪贴板代码:

>>
tic, a = hp(3000000, 100); toc

Elapsed time is 63.096369 seconds.

而使用三台机作分布式计算时：复制内容到剪贴板代码:

>> runDCT

Elapsed time is 24.323556 seconds.

效率有明显的提升。但注意到，当第一次进行分布式计算时，其他几台机要从Z:\testDCT中读取原程序文件，会使得计算速度降低。

总结来说，Matlab的Distributed Computing Toolbox为我们提供了一种简便的分布式或并行式计算的实现方法。以上所写的是为了对DCT具体做法的整个过程做一次简单的介绍，我也是初学使用这个工具箱，文章可能很粗糙和存在许多谬误，敬请指正。

转载文章转自：http://www.baisi.net/viewthread.php?tid=756999