Ubuntu下Fortran与MATLAB如何协同工作

在科学计算和工程领域，Fortran以其卓越的数值计算性能而闻名，而MATLAB则以其强大的算法库和便捷的可视化能力著称。当我们在Ubuntu这样的Linux环境下工作时，如何让这两位“老将”协同作战，发挥各自的优势，是一个既有挑战又极具价值的话题。今天，我们就来系统地梳理一下，在Ubuntu系统中实现Fortran与MATLAB高效协作的几种主流方案。

一、常用协同方式概览

简单来说，两者的协作主要围绕“谁调用谁”以及“如何交换数据”展开。常见的路径可以归纳为以下几条：

• MATLAB 调用 Fortran：这是最直接的方式。你可以将计算密集的Fortran例程编译成MEX文件，在MATLAB里就像调用内置函数一样使用它；或者，你也可以在Fortran程序中启动一个MATLAB引擎会话，通过引擎来传递数据和执行命令。
• Fortran 调用 MATLAB：反过来，如果你的主程序是Fortran写的，但需要借助MATLAB的某些工具箱或绘图功能，那么可以在Fortran代码里启动MATLAB引擎，把数据传进去，执行完MATLAB函数后再把结果取回来。
• 数据文件交换：如果不想涉及复杂的进程间调用，通过文件来传递数据是最简单通用的方法。双方可以约定使用.mat文件（特别是v7.3版本，它基于HDF5格式）、文本文件或自定义的二进制格式。

实际上，MATLAB官方文档已经将这些接口归纳得相当清晰，主要包括：Fortran MEX API、MATLAB Fortran 引擎 API、Fortran 矩阵 API以及读写 MAT 文件这四类，基本覆盖了上述所有应用场景。

二、MATLAB 调用 Fortran

当MATLAB需要借助Fortran来提升关键环节的计算速度时，我们有几种选择。

• 方案A：MEX（首选推荐）
  这是集成度最高、性能最好的方式。你需要编写一个符合MEX接口规范的Fortran子程序，其入口函数是mexFunction。在这个函数里，你可以通过mexCallMATLAB、mexEvalString等函数与MATLAB交互，并用mexGet__、mexPut__系列函数在MEX文件与MATLAB工作区之间传递数据。在Ubuntu上，先用mex -setup FORTRAN配置好编译器，然后用mex your_fortran_file.f90命令编译，生成的二进制文件就能在MATLAB中直接调用了。

• 方案B：引擎（适合需要完整MATLAB环境的任务）
  如果你的Fortran代码需要频繁调用大量MATLAB内置函数，或者涉及到复杂的图形绘制，那么启动一个MATLAB引擎会话会更灵活。你可以在Fortran程序中调用引擎API，启动MATLAB进程，传递数组，执行命令，再取回结果。这种方式相当于把MATLAB当作一个计算服务器来用。

• 方案C：动态库（Windows为主，Linux也可行）
  如果你有一个现成的、成熟的Fortran动态库（Windows上是DLL，Linux上是.so），不想改动其接口，那么可以通过MATLAB的loadlibrary、calllib、unloadlibrary函数来调用。这在跨平台复用已有代码时很有用，但需要注意平台ABI和编译器约定的兼容性问题。

简单总结一下：追求极致性能和紧密集成，选MEX；需要MATLAB完整功能生态，选引擎；已有现成库不想重写，考虑动态库。

三、Fortran 调用 MATLAB

反过来，在以Fortran为主体的应用中，我们同样可以“征用”MATLAB的强大能力。核心就是使用MATLAB Fortran 引擎 API。

你可以在Fortran主程序中初始化并启动一个MATLAB引擎会话，然后将Fortran数组通过API传入MATLAB的工作空间，接着调用你需要的MATLAB函数（无论是数值计算、优化算法还是生成图表），最后再将计算结果取回Fortran程序中。这套流程特别适合那些核心逻辑用Fortran编写，但需要借助MATLAB进行辅助计算或结果可视化的场景。

这里的关键点在于，要严格按照API规范来管理引擎会话的生命周期、内存的分配与释放，并处理好数据在两种语言间的类型转换和拷贝。

四、数据文件交换与格式选择

如果觉得进程间调用太“重”，通过文件来传递数据是一种轻量且解耦的方式。关键在于选对格式。

• .mat v7.3+（基于HDF5）：这是目前最推荐的方式。v7.3版本的.mat文件实质上是HDF5格式，而HDF5库在科学计算领域支持极好。在Ubuntu上，安装libhdf5-dev后，Fortran就可以直接读写这种.mat文件，实现了跨语言的无缝数据交换。
• 旧版 .mat（v7及以下）：读写稍麻烦一些。通常可以借助MATIO这个C语言库，再通过Fortran的C接口进行调用。或者，更省事的办法是让MATLAB先将数据导出为文本、CSV或HDF5格式，再由Fortran读取。
• 文本/CSV：最简单、最通用，几乎没有任何环境依赖。Fortran按格式读取即可。缺点是效率低，文件体积大，且要小心处理分隔符、表头、缺失值等细节。
• 二进制：效率最高，适合大数据量传输。但需要双方严格约定字节序、数据类型、维度顺序（好在Fortran和MATLAB默认都是列主序）和存储布局。用得好可以实现接近零拷贝的数据传递。

如何选择？追求跨平台和未来可维护性，HDF5（.mat v7.3）是首选；快速原型调试，用文本/CSV最方便；如果项目依赖现有生态或有历史数据包袱，那么可能需要考虑MATIO。

五、Ubuntu快速上手示例

理论说了这么多，我们来点实际的。下面两个例子，帮你快速在Ubuntu上跑通流程。

示例A：用 MEX 在 MATLAB 中调用 Fortran

假设我们要在MATLAB中调用一个Fortran写的向量加法函数。

1. 安装与配置：首先确保系统有Fortran编译器和HDF5库：sudo apt-get install gfortran libhdf5-dev。然后在MATLAB命令行执行 mex -setup FORTRAN 来配置编译器。
2. 编写Fortran MEX源文件（例如 addvec.f90）：
   这里是一个高度简化的示例框架，展示了MEX函数的基本结构。实际生产代码必须加入完整的错误检查、维度验证和内存管理。

subroutine mexFunction(nlhs, plhs, nrhs, prhs)
    use, intrinsic :: iso_c_binding, only: c_ptr, c_loc
    implicit none
    integer, intent(in) :: nlhs, nrhs
    type(c_ptr), intent(in) :: prhs(*)
    type(c_ptr), intent(out) :: plhs(*)
    ! 简化示例：C = A + B（假设均为列向量）
    real(8), pointer :: A(:), B(:), C(:)
    integer :: m, n

    ! 获取输入 mxArray 并转为 Fortran 指针（实际应使用 mxGetPr/mxGetDimensions 等）
    ! 此处省略了错误检查与维度校验，生产代码需完善
    call mxCopyPtrToReal8(mxGetPr(prhs(1)), A, size(A))
    call mxCopyPtrToReal8(mxGetPr(prhs(2)), B, size(B))
    m = size(A); n = size(B)
    if (m /= n) call mexErrMsgIdAndTxt('MATLAB:addvec:dimMismatch','A and B must match')
    allocate(C(m))
    C = A + B

    ! 创建输出 mxArray 并拷贝数据（示意）
    plhs(1) = mxCreateDoubleMatrix(m, 1, 0)
    call mxCopyReal8ToPtr(C, mxGetPr(plhs(1)), m)
    deallocate(C)
end subroutine mexFunction

3. 编译与调用：在MATLAB命令行中，进入文件所在目录，执行：

mex -v addvec.f90
A = randn(5,1); B = randn(5,1);
C = addvec(A,B);

示例B：用 HDF5 在 Fortran 中读取 MATLAB v7.3 的 .mat 文件

假设MATLAB生成了一个v7.3格式的data.mat文件，里面保存了一个名为your_variable_name的100x100矩阵，我们要用Fortran读出来。

1. 安装 HDF5 开发库：sudo apt-get install libhdf5-dev。
2. 编写Fortran读取程序（例如 read_matlab_hdf5.f90）：

program read_mat
    use hdf5
    implicit none
    integer(hid_t) :: file_id, dset_id, memspace, filespace
    integer(hsize_t) :: dims(2) = [100, 100]
    real, allocatable :: data(:, :)
    integer :: err

    call h5open_f(err)
    call h5fopen_f('data.mat', H5F_ACC_RDONLY_F, file_id, err)
    call h5dopen_f(file_id, '/your_variable_name', dset_id, err) ! 替换为实际变量名
    call h5dread_f(dset_id, H5T_NATIVE_DOUBLE, data, dims, err)
    call h5dclose_f(dset_id, err)
    call h5fclose_f(file_id, err)
    call h5close_f(err)
    print *, 'data(1,1)=', data(1,1)
end program read_mat

3. 编译与运行：

gfortran -o read_mat read_matlab_hdf5.f90 -lhdf5 -I/usr/include/hdf5/fortran
./read_mat

最后提示一下：上面的MEX示例为了清晰，省略了mxArray创建、类型检查、维度校验和错误处理的完整流程，实际开发中务必参考Fortran MEX API文档进行完善。而HDF5示例中，务必确保文件路径、变量名和预设维度与实际数据完全一致，否则读取会失败。

希望这份指南能为你打通Ubuntu下Fortran与MATLAB的协作之路。两种语言各有所长，让它们联手，往往能解决更复杂的问题。