Accelerating the pace of engineering and science

MATLAB Distributed Computing Server

Neuerungen

Erfahren Sie mehr über neue Produkteigenschaften.

Backwards Compatibility

Backwards Compatibility

Upgrade your MATLAB Job Scheduler clusters and continue to use the previous release of Parallel Computing Toolbox

Validierung von  Clusterprofilen

Validierung von Clusterprofilen

Auswählen der auszuführenden Validierungsphasen und die Anzahl zu verwendender MATLAB-Worker

Parallelunterstützung  für Tall Arrays

Parallelunterstützung für Tall Arrays

Big Data parallel mit Tall Arrays auf Ihrem Desktop, MATLAB Distributed Computing Server und Spark-Clustern verarbeiten

Verbesserung des  Parallel-Menüs

Verbesserung des Parallel-Menüs

Die neuen Optionen im Parallel-Menü verwenden, um Cloud-basierte Ressourcen zu konfigurieren und zu verwalten

Neue Datentypen in verteilten Arrays

Neue Datentypen in verteilten Arrays

Verbesserte Funktionen verwenden für die Erstellung verteilter Arrays vom Typ:datetime; duration; calendarDuration; string; categorical und table

Laden von verteilten Arrays

Laden von verteilten Arrays

Verteilte Arrays parallel mithilfe von datastore laden

Unterstützung für Distributed Arrays

Unterstützung für Distributed Arrays

Verbesserte distributed-Array-Funktionen auch mit dünnbesetzten Eingaben für direkte (mldivide) und iterative Solver (cgs und pcg) verwenden

Hadoop-Kerberos-Unterstützung

Hadoop-Kerberos-Unterstützung

Verbesserte Unterstützung für Hadoop in einer authentifizierten Kerberos-Umgebung

Erhöhte Datentransfergrenzen

Erhöhte Datentransfergrenzen

Auf einem Cluster mit dem MATLAB Job Scheduler können bei jedem Job Datenmengen bis zu 4 GB zwischen Client und Worker übertragen werden

Integration von Schedulern von Drittanbietern

Integration von Schedulern von Drittanbietern

Integrationsskripte für Scheduler von Drittanbietern (IBM Platform LSF, Grid Engine, PBS und SLURM) über MATLAB Central File Exchange anstatt über Parallel Computing Toolbox erhalten

Latest Releases

R2016b (Version 6.9) - 14 Sep 2016

Version 6.9 aus Release 2016b enthält die folgenden Erweiterungen:

  • Validierung von Clusterprofilen: Auswählen der auszuführenden Validierungsphasen und die Anzahl zu verwendender MATLAB-Worker
  • Parallelunterstützung für Tall Arrays: Big Data parallel mit Tall Arrays auf Ihrem Desktop, MATLAB Distributed Computing Server und Spark-Clustern verarbeiten
  • Verbesserung des Parallel-Menüs: Die neuen Optionen im Parallel-Menü verwenden, um Cloud-basierte Ressourcen zu konfigurieren und zu verwalten
  • Neue Datentypen in verteilten Arrays: Verbesserte Funktionen verwenden für die Erstellung verteilter Arrays vom Typ:datetime; duration; calendarDuration; string; categorical und table
  • Laden von verteilten Arrays: Verteilte Arrays parallel mithilfe von datastore laden

Ausführliche Details hierzu finden Sie in den Release Notes.

R2016a (Version 6.8) - 3 Mrz 2016

Version 6.8 aus Release 2016a enthält die folgenden Erweiterungen:

  • Unterstützung für Distributed Arrays: Verbesserte distributed-Array-Funktionen auch mit dünnbesetzten Eingaben für direkte (mldivide) und iterative Solver (cgs und pcg) verwenden
  • Hadoop-Kerberos-Unterstützung: Verbesserte Unterstützung für Hadoop in einer authentifizierten Kerberos-Umgebung
  • Erhöhte Datentransfergrenzen: Auf einem Cluster mit dem MATLAB Job Scheduler können bei jedem Job Datenmengen bis zu 4 GB zwischen Client und Worker übertragen werden
  • Integration von Schedulern von Drittanbietern: Integrationsskripte für Scheduler von Drittanbietern (IBM Platform LSF, Grid Engine, PBS und SLURM) über MATLAB Central File Exchange anstatt über Parallel Computing Toolbox erhalten

Ausführliche Details hierzu finden Sie in den Release Notes.

R2015b (Version 6.7) - 3 Sep 2015

Version 6.7 aus Release 2015b enthält die folgenden Erweiterungen:

  • Scheduler-Integrationsskripte für SLURM
  • Verbesserte Leistung von mapreduce auf Hadoop 2-Clustern
  • parallel.pool.Constant Funktion zur Erstellung von konstanten Daten auf parallelen Pool-Workern, verfügbar in parallelen Sprachkonstrukten wieparfor und parfeval

Ausführliche Details hierzu finden Sie in den Release Notes.

R2015a (Version 6.6) - 5 Mrz 2015

Version 6.6 aus Release 2015a enthält die folgenden Erweiterungen:

  • Unterstützung der mapreduce-Funktion auf allen Clustern, die parallele Pools unterstützen

Ausführliche Details hierzu finden Sie in den Release Notes.

R2014b (Version 6.5) - 2 Okt 2014

Version 6.5 aus Release 2014b enthält die folgenden Erweiterungen:

  • Datenanalysen in Hadoop-Clustern mit mapreduce
  • Zusätzliche MATLAB-Funktionen für verteilte Arrays, einschließlich fft2, fftn, ifft2, ifftn, cummax, cummin und diff

Ausführliche Details hierzu finden Sie in den Release Notes.