线性系统解算器\是否也像Matlab一样在Julia中是多线程的？以及如何在Julia中对其进行“多线程”处理？

编程问答 2022-06-11

问题描述

我正在尝试比较Matlab和Julia的速度和性能。我正在看一个代码，该代码对给定负载下的连续体结构进行拓扑优化。我正在查看的代码是公共代码topopt88.m：https://www.topopt.mek.dtu.dk/Apps-and-software/Efficient-topology-optimization-in-MATLAB

从本质上讲，它是一种迭代算法，其中，每次迭代都求解Ax = b系统（x = A \ b），其中A取决于结构设计（它是有限元刚度矩阵），并且每次更新迭代。

在Julia中，同一代码的运行速度比Matlab慢。我在Julia中做了一些代码优化，在函数定义中声明类型，尽可能使用函数，避免使用全局变量，并实现我在Internet上找到的其他技巧。但是Julia仍然比相同的Matlab代码（在概念步骤上相同）要慢。

我的问题：由于Matlab系统求解“ \”为multi threaded by default，对于Julia来说是否一样？如果不是，该如何对Julia的\运算符进行多线程处理，或者类似地从并行化中提高速度？

解决方法

默认情况下，Julia使用的是BLAS / OpenBLAS，您可以将其配置为多线程。这需要在多线程设置和设置BLAS.set_num_threads()中运行Julia。

方法如下：

开始朱莉娅之前：

set JULIA_NUM_THREADS=4

或在Linux

上 
export JULIA_NUM_THREADS=4

现在让我们在一个线程中进行测试：

julia> using BenchmarkTools,Random

julia> const b = rand(50);

julia> const A = rand(50,50);

julia> @btime A \ b;
  424.899 μs (4 allocations: 20.61 KiB)

现在是多线程了：

julia> using LinearAlgebra

julia> BLAS.set_num_threads(4)

julia> @btime A \ b;
  175.701 μs (4 allocations: 20.61 KiB)

您可以看到在我的机器上，速度提高了2倍以上。

另一个加快速度的选择是将Julia切换为MKL。

julia> pkg"add https://github.com/JuliaComputing/MKL.jl"
julia> pkg "build MKL"
# restart Julia

我还没有使用MKL.jl，因此，如果您尝试一下，请写出它的基准测试方法。

,

以下是我找到的当前最佳解决方案，它为我提供了最佳性能。 在Windows终端中的Julia外部，键入set JULIA_NUM_THREADS=4。启动Julia并以这种方式使用线性代数模块： using LinearAlgebra BLAS.set_num_threads(1)

通过这种方式，将有4个线程，并且通过将BLAS线程设置为1，它基本上将不会使用自己的似乎与Julia线程池冲突的池，或者至少会降低我的性能。 在这方面，我得到了一些提示：https://discourse.julialang.org/t/julia-threads-vs-blas-threads/8914/15 我当前在Julia 1.5.1中的BLAS设置是 julia> BLAS.vendor() :openblas64

将Pardiso.jl与默认的MKL稀疏求解器结合使用无济于事。我仍然需要弄清楚是否还有一种方法可以提高性能，以及如何提高性能。

finite-element-analysisjuliamatlabmultithreadingparallel-processing