我试图使用并行化在Julia中使代码更快。我的代码嵌套了串行for循环并执行值函数迭代。 （如http://www.parallelecon.com/vfi/所述）
以下链接显示了我编写的代码的串行和并行版本： https://github.com/minsuc/MyProject/blob/master/VFI_parallel.ipynb（您也可以在github页面中找到DefinitionPara.jl中定义的函数。）串行代码定义为main（），并行代码定义为main_paral（）。
main（）中的第三个for循环是我找到给定最大化器的步骤（nCapital，nProductivity）。正如官方并行文档中所建议的那样，我将工作分配给nCapital网格，该网格由许多点组成。
当我为@time执行串行和并行代码时，我得到了
序列号：0.001041秒
平行：0.004515秒
我的问题如下：
1）我添加了两个工作人员，每个工作时间为0.000714秒和0.000640秒，如ipython笔记本中所示。并行代码较慢的原因是由于开销成本？
2）我通过改变
增加了网格点的数量vGridCapital = collect（0.5 * capitalSteadyState：0.000001：1.5 * capitalSteadyState）
即使每个工作人员都做了大量工作，串行代码也比并行代码快。当我添加更多工作者时，串行代码仍然更快。我认为有些事情是错的，但我还没有弄明白......这可能与我在并行化函数中传递了太多参数的事实相关
final_shared（mValueFunctionNew，mPolicyFunction，pparams，vGridCapital，mOutput，expectedValueFunction）？
我将非常感谢您的意见和建议！
答案 0 :(得分：2)
如果同步之间的工作量非常小，则任务同步开销可能太长。请记住，常见的操作系统时间量为10毫秒，并且您在1毫秒的范围内进行测量，因此，如果有一点负载，则使所有工作线程同步的4毫秒延迟是完全合理的。
在所有任务访问相同的共享数据结构的情况下，如果共享数据结构是线程安全的，即使使用更长的并行任务，访问锁定开销也可能是罪魁祸首。
在某些情况下，可以对输入和输出使用非线程安全的共享数组，但必须确保工作人员不会破坏彼此的结果。
根据工作线程的确切行为，例如，如果它们输出到相同的数组元素，可能需要为每个工作者提供自己的输出数组，并在最后将它们合并在一起，但这并不是你的任务似乎就是这种情况。