我正在处理的代码具有如下循环：
bistar = zeros(numdims,numcases);
parfor hh=1:nt
bistar = bistar + A(:,:,hh)*data(:,:,hh+1)' ;
end
对于小 nt (10)。
计时之后，居然比使用常规循环慢了100倍！！！我知道 parfor 可以做并行求和，所以我不确定为什么这不起作用。
我跑
matlabpool
在运行我的代码之前使用开箱即用的配置。
我对matlab比较陌生，刚开始使用并行功能，所以请不要以为我没有做愚蠢的事情。
谢谢！
PS：我在四核上运行代码，所以我希望看到一些改进。
对于较小的nt. 这是正常的，您不会为可以在简单循环中快速执行的简单任务对数据进行分区。
总是在循环内执行一些值得分区开销的具有挑战性的事情。这是对并行编程的一个很好的介绍。
线程来自线程池，因此不应该存在创建线程的开销。但是为了n从尺寸创建部分结果矩阵，bistar必须计算所有部分结果，然后必须添加所有这些部分结果（重新组合）。在直接循环中，这很有可能就地完成，不会发生分配。
帮助中的完整声明（感谢您在下面提供的链接）是：
如果计算 f、g 和 h 的时间很大，则 parfor 将明显快于相应的 for 语句，即使 n 相对较小。
因此，您会看到它们的含义与我的意思完全相同，仅当您在循环中执行的操作足够复杂/耗时时，小 n 值的开销才值得付出努力。
Parfor有一点开销。因此，如果nt真的很小，并且如果循环中的计算完成得非常快（如加法），则parfor解决方案会更慢。此外，如果您parfor在四核上运行，则 1-3 核的速度增益将接近线性，但如果使用 4 核则较少，因为最后一个核也需要运行系统进程。
例如，如果 parfor 有 100 毫秒的开销，循环中的计算需要 5 毫秒，如果我们假设速度增益在 4 核系数为 1 的情况下是线性的（即使用 4 核使计算速度提高 4 倍） ，nt需要大约 30 才能实现速度增益parfor（150ms 和for，132ms 和parfor）。如果您只运行 10 次迭代，parfor将会更慢（使用 50 毫秒for，使用 112毫秒parfor）。
您可以通过比较执行时间与 1 个工作人员与 0 个工作人员来计算机器上的开销，并且您可以通过使用 1 到 4 个工作人员的执行时间来估算速度增益。然后你就会知道什么时候使用parfor.
除了由于通信开销而导致的性能不佳（请参阅其他答案），parfor在这种情况下还有另一个不使用的原因。在这种情况下所做的一切都parfor使用内置的多线程。假设所有工作人员都在同一台 PC 上运行，则没有任何优势，因为单个调用已经使用了处理器的所有内核。