parfor 全局变量

在 MATLAB 中，`parfor` 循环中使用全局变量的时候需要注意以下几点：

1. `parfor` 循环默认情况下是不能访问主函数中的全局变量的，因为每个工作进程都是独立的 MATLAB 进程，它们无法共享主函数中的变量。如果要在 `parfor` 循环中使用全局变量，需要在 `parfor` 循环外面将全局变量定义为 `parpool` 中的 `spmd` 块的共享变量，或者使用 `parfor` 循环的 `ExtraInputs` 参数将全局变量传递给 `parfor` 循环中的匿名函数。

2. 在 `parfor` 循环中使用全局变量会降低程序的效率，因为每个工作进程都需要从主进程中获取全局变量的值。为了减少这种开销，可以使用 `parfor` 循环的 `reduction` 参数将全局变量转换为本地变量，并在每个工作进程中进行计算，最后将结果进行合并。

下面是一个使用全局变量的 `parfor` 循环示例：

% 定义全局变量
global A
A = rand(100, 100);

% 创建一个有 4 个工作进程的线程池
pool = parpool(4);

% 将全局变量 A 定义为共享变量
spmd
    codistributed(A);
end

% 在 parfor 循环中使用全局变量 A
parfor i = 1:100
    % 计算全局变量 A 的行和
    row_sum = sum(A(i, :));
    % 将结果写入到数组中
    result(i) = row_sum;
end

% 关闭线程池
delete(pool);

在这个示例中，我们首先定义了一个全局变量 `A`，然后创建了一个有 4 个工作进程的线程池，并将全局变量 `A` 定义为共享变量。接着，在 `parfor` 循环中使用全局变量 `A` 计算每一行的和，并将结果存储在数组 `result` 中。最后，关闭线程池。

需要注意的是，如果全局变量 `A` 的大小非常大，那么在工作进程之间传递它的值可能会导致内存使用过多，从而降低程序的性能。在这种情况下，可以考虑将全局变量 `A` 拆分成多个小块，并在 `parfor` 循环中对每个块进行计算，最后将结果汇总。这种方法可以减少内存使用，并提高程序的性能。