然后发现 copy 要关闭服务了, lol….
集群调度系统SGE的安装和配置
SGE（最初为Sun Grid Engine，后来几经易主）算是比较老的一套集群调度系统了，网上可供参考的资料不是很多，但简单好使。集群管理软件Rocks也用SGE来分配任务，很多脑科学领域的软件（如FSL）也默认使用这个。
先来一篇概要的文章，从安装、使用到管理写得很详细。
安装的时候，一步步根据提示走就行了。之后，根据自己集群的情况（集群中机器配置不尽相同），建立多个主机组（hosts group）和多个队列（queue），并逐渐调整参数使集群的运行情况达到较优的水平。
自己建立队列（queue)的时候，修改了以下参数：
- hostlist：放上自己所需的主机组名，如
@allhosts - seq_no：队列编号，可以用来表示优先级，0 代表最优先
- priority：优先级，默认为0（最优先），可以调大使优先级降低
- slots：表示所使用的主机CPU数，默认为1，可以设置一个统一的值，也可以针对单台主机设定各自的CPU数，如
1,[host1=4],[host2=8] - shell：默认使用
/bin/csh，可以改为其他的shell，我改成了/bin/sh - shell_start_mode：shell的起始模式，默认为
posix_complicant，我改成了unix_bahavior，可以识别shell第一行的指定程序(如#!/bin/bash)
其他的参数设置，可以参考自带的帮助或相关的手册。
GPU计算知识汇总
晚上了解了些GPU并行计算相关的内容，大致对其有了了解，在此记录下自己所搜集的内容：
- 一个介绍CUDA的ppt（Cruz_gpuComputing09.pdf），很好的一个入门材料
- 一个系列博客文章，循序渐进展现具体的编程实践
- NVIDIA的CUDA C 编程指导
- 两篇知乎的问答
NVIDIA CUDA、AMD stream、C++ AMP、OpenCL等GPU计算框架各有什么特点？和CUDA和OpenCL有什么区别？ - 风辰的一系列CUDA博客文章，讲了CUDA的很多细节，也讲了很多如何进行GPU优化的策略与思考
- Rachel Zhang的一系列CUDA学习笔记，非常务实的一个博客，人气很高
- NVIDIA公司的一个介绍OpenCL的ppt（06-intro_to_opencl.pdf）
- MATLAB上的GPU计算
- MATLAB程序的GPU优化
- 一个比较OpenACC、CUDA和OpenCL的视频及其ppt
MATLAB 的并行计算
MATLAB主要使用两个自带的工具箱来实现并行计算：
- Parallel Computing Toolbox (PCT) 可用来在单台机器上利用多个CPU核心来并行计算
- Distributed Computing Server (DCS) 可以在一个集群上跨机器运行任务
DCS需要根据集群的调度系统（如LSF）来设置一些配置参数，而且需要购买授权来使用。PCT无需授权可直接在单台机器上运行。使用者一般会在单台机器上用PCT来实现并行计算后，再用DCS来进行跨机器的扩展。
自R2013b起，MATLAB使用了新的parpool程序来替换原先的matlabpool程序，用来开启关闭多核计算，详见更新列表。而且从R2014a起，不再限制单台最多12个worker了，可以充分利用服务器多核的优势了。
使用parfor是最简单的一种使用MATLAB并行功能的方法，要求parfor循环中的程序文件可独立，不耦合。相关的用法可以参考这篇文章。
使用PCT的过程中有时会遇到无法打开matlabpool的情况——Failed to locate and destroy old interactive jobs，通过查找解决方案，可以通过删除local scheduler data（或local cluster jobs）来解决。
