比例如以下方代码中a就是简约变量。

a = 0;
for i = 1:1000
  a = a+i;
简约操作包含+ - * .* & | [,] [;] {,} {;} min max union intersect。
同一个parfor循环对简约变量的操作必须一致。即必须是同一种简约操作符。并且与操作符的相对位置也必须一致。
简约变量赋值表达式应该满足结合律和交换律。
* [] {}底层有特殊处理保证结果的正确性。
parfor中可能须要读取或写入parfor之外的矩阵，读取写入位置与循环变量相关。这样就须要向worker传输大量的数据。
矩阵假设被Matlab识别为切片变量，则数据能够分段传输到各worker，提高传输效率。
切片变量矩阵的大小是不可在parfor中改变的。且为了保证Matlab识别正确。每次循环中仅仅能读取由同一个索引值索引的切片。如a[i] a[i+1]同一时候出现则a不被识别为切片变量。
如上例中的i，表示当前循环的id。
下例中，parfor中的tmp是暂时变量，parfor结束后tmp的值依旧是5，不受暂时变量的影响。
broadcast是广播变量。每次循环中的值不变。
redued是简约变量。Matlab对其的值将分段由各worker计算后送回主进程处理。
sliced为切片变量。传输数据有优化提升。
i为循环变量。
tmp = 5;
broadcast = 1;
reduced = 0;
sliced = ones(1, 10);
parfor i = 1:10
  tmp = i;
  reduced = reduced + i + broadcast;
  sliced(i) = sliced(i) * i;
worker配置
在执行程序之前。须要配置worker。否则如前文所说，parfor循环将以普通for循环的形式执行，无法并行。
使用matlabpool命令能够开启关闭本机的并行计算池。
matlabpool n命令能够打开n个worker。
matlabpool open configname依照指定配置打开，默认配置为local。
程序执行结束后，应该使用matlabpool close关闭worker。
配置项的改动能够通过Parallel -> Manage Cluster Profile完毕。
n的选择：假设有c个cpu核心，通常能够设置为c。假设是远程server，为防止server响应卡顿，能够设置为c-1。
对于计算密集型程序，超线程带来的性能提升差点儿为0，能够设置为核心数，而不是线程数。
循环次数n最好能整除以worker个数m，否则部分worker会分配较多的循环，造成一部分worker闲置一段时间，减少了并行性。
并行执行时各个worker之间会进行通信。要注意大量传输数据带来的性能下降。
尤其对于广播变量。假设较大可尝试变为切片变量。
转载请注明作者：Focustc，博客地址为http://blog.csdn.net/caozhk。原文链接为点我