我有一个函数const cons = (x, y) => f => f(x, y);
const pair = cons(5, 3);
//const car = pair => pair((x, y) => x);
const cdr = pair => pair((x,y) => y);
function car(pair){
var result= pair(
function temp(x, y){
return x;
}
);
return result;
}
const carCall = car(pair);
const cdrCall = cdr(pair);
console.log(carCall);
console.log(cdrCall);，它需要很长时间才能计算出来。我需要运行仿真，然后检查某些条件以增加单个变量。
sim如何在多个处理器上运行它？在这种情况下，我不太了解如何使用switches = 0
@showprogress 1 "Computing ..." for i = 1:100
m0 = data[i]
m = sim(data[i])
if allSwitch(m0, m)
switches += 1
end
end
或pmap，尤其是因为我需要增加@parallel且我不知道作业是否可以访问该变量。
答案 0 :(得分：1)
在并行运行中，通常不希望您的进程写入相同的位置。例如，当switches的当前值为0并且两个进程希望同时递增switches时，它们都将开关读为0，并将其递增为1，而您想要{{ 1}}在这种情况下为2。这在并行计算中称为 coherence 问题。您可能想对这些变量使用 atomic访问-修改操作，但这会在使用原子操作的区域中序列化程序，从而降低并行性能。
对于您而言，有几种方法可以解决一致性问题。一种这样的方式是，您的每个进程都可以存储自己的switches，然后在并行执行结束时将所有switches求和，得到最终结果，称为 reduce操作。为此，您可以在Julia中创建一个switches，然后每个进程都写入自己的索引（每个进程都有一个SharedArray给出的唯一ID）。或者，您可以简单地使用myid()（0.6中的@distributed）宏来轻松实现这一目标。
@parallel我们将归约运算指定为与using Distributed
addprocs(4) # adds 4 processes
switches = @distributed (+) for i = 1:100
m0 = data[i]
m = sim(data[i])
allSwitch(m0, m) # this is the value to be added to `switches` since it is already binary it will increment switches if `allSwitch` returns true
end
相加。如果您的julia版本为0.6，则应删除(+)并将using Distributed替换为@distributed。
在Julia 1.0中，使用@parallel，您的循环可以读取外部变量，但对于写入访问，则应创建一个@distributed。但是，在您的情况下则不需要。
这里是另一个示例，它对数组中的偶数求和：
SharedArray另一种方法是使用function sumeven(data)
evensum = @distributed (+) for i = 1:length(data)
if data[i] % 2 == 0
data[i] # if even add data[i] to the sum
else
0 # if not add 0
end # you can instead write `ifelse(data[i] % 2 == 0, data[i], 0)`
end
evensum
end
# try evensum
d = rand(1:100, 10000) # creates a random integer array of size 10000 selected from 1 to 100.
parallel_result = evensum(d)
。您可以编写一个函数来处理给定pmap实例的for循环内的内容。然后将此功能与data和您的pmap一起使用，将为您提供data，该BitArray的索引allSwitch被评估为真。比起您可以使用count函数来计算返回true的次数而言。重要的是要注意，pmap默认情况下将任务一一分发给进程（受batch_size参数控制），而@distributed则将任务分成大块。如果每个任务花费的时间很大且不均匀，则应考虑使用pmap而不是@distributed。
您应该查看Julia中的并行计算文档。
https://docs.julialang.org/en/stable/manual/parallel-computing/#