如何让Julia为Rational{BigInt}矩阵乘法启用多线程？

问题原因 #

BLAS库的多线程优化仅针对基本数值类型（如Float64、Int64等），而Rational{BigInt}属于Julia的复合类型，矩阵乘法的底层实现是纯单线程的通用代码，因此BLAS.set_num_threads()对这类矩阵运算完全无效。

解决方案：手动实现多线程矩阵乘法 #

由于你的矩阵规模较小（32×32），可以通过手动拆分计算任务，利用Julia的多线程功能加速矩阵乘法，进而提升矩阵幂的计算效率。

步骤1：启用多线程环境 #

启动Julia时指定线程数，比如：

julia -t 8

也可以在代码中查看当前线程数（需提前启动多线程）：

using Base.Threads
nthreads() # 确认线程数大于1

步骤2：实现多线程矩阵乘法 #

编写多线程版本的矩阵乘法函数，替代默认单线程实现：

using LinearAlgebra, Random

# 多线程矩阵乘法：C = A * B
function mul_threaded!(C::Matrix{T}, A::Matrix{T}, B::Matrix{T}) where T
    @assert size(A,2) == size(B,1)
    @assert size(C,1) == size(A,1) && size(C,2) == size(B,2)
    n, m = size(C)
    k = size(A,2)
    @threads for i in 1:n
        for j in 1:m
            s = zero(T)
            for l in 1:k
                s += A[i,l] * B[l,j]
            end
            C[i,j] = s
        end
    end
    return C
end

# 重载矩阵乘法运算符，让*自动使用多线程版本
import Base: *
*(A::Matrix{Rational{BigInt}}, B::Matrix{Rational{BigInt}}) = mul_threaded!(similar(A, size(A,1), size(B,2)), A, B)

步骤3：测试多线程矩阵幂 #

用你的示例代码验证效果：

Random.seed!(42)
M = BigInt.(rand(Int128, 32, 32)) .// BigInt.(rand(Int128, 32, 32))

@time M^4;

效果说明 #

对于32×32的Rational{BigInt}矩阵，多线程版本通常能获得接近线程数的加速比（比如8线程下耗时可缩短至原来的1/4~1/6，具体取决于CPU核心负载）。

注意事项 #

• 矩阵规模极小时，线程调度开销会抵消部分并行收益，但32×32的规模已足够让多线程发挥作用。
• 若追求极致效率，可尝试拆分内层循环，但对于当前规模的矩阵，外层行拆分的收益已经足够明显。

内容的提问来源于stack exchange，提问作者Yrogirg