MATLAB Parallel Server

 

MATLAB Parallel Server

Esecuzione di calcoli MATLAB e Simulink su cluster e Cloud

Esecuzione di algoritmi su più macchine

Sviluppa un prototipo sul desktop utilizzando Parallel Computing Toolbox e scala su cluster on premise o nel Cloud senza dover cambiare il modello o l’algoritmo.

Connessione a cluster da MATLAB

Accedi a diversi ambienti cluster dal desktop modificando soltanto il profilo cluster. Beneficia dei vantaggi dell’hardware di fascia alta on premise o sul Cloud senza cambiare il codice o lasciare l’ambiente desktop MATLAB. 

Uso di Desktop Toolbox sul cluster

MATLAB Parallel Server è l’unica licenza necessaria sul cluster. Il profilo della licenza desktop è abilitato dinamicamente sul cluster.

Scalabilità sull’hardware esistente

Crea un cluster da poche macchine dedicate e gestisci i lavori con MATLAB Job Scheduler o integra il tuo cluster esistente e gestisci i lavori con il tuo scheduler. Gli utenti possono gestire i loro lavori e gli artefatti dei lavori senza lasciare MATLAB.

Scalabilità in Cloud pubblico e privato

Esegui MATLAB Parallel Server su Cloud pubblico e privato in cui si può accedere a hardware più specializzati e potenti. Utilizza opzioni preconfigurate sia da MathWorks sia da provider di hosting MathWorks o costruisci l’infrastruttura autonomamente.

Scalabilità in ambienti Cloud native

Esegui MATLAB Parallel Server in ambienti containerizzati. Integra MATLAB Parallel Server con soluzioni basate su container come Kubernetes, on premise o nel Cloud.

Esecuzione su più risorse hardware

Accedi a più basi CPU e risorse GPU sul tuo cluster on premise o nel Cloud senza lasciare l’ambiente desktop MATLAB.

Esecuzione di più simulazioni Simulink in parallelo

Imposta facilmente scansioni parametriche, gestisci le dipendenze dei modelli e cartelle di costruzione e trasferisci variabili dell’area di lavoro di base ai processi cluster. Usa l’interfaccia utente di Simulation Manager per visualizzare e gestire esecuzioni multiple dei modelli Simulink su un cluster.

Superamento delle barriere di memoria

Utilizza array distribuiti per eseguire calcoli che non possono essere contenuti nella memoria di una singola macchina senza dover ricodificare il tuo algoritmo o utilizza un’architettura di memoria condivisa.

“L’elaborazione ad alte prestazioni con MATLAB ci permette di trattare dei Big Data non analizzati in precedenza. Traduciamo le nozioni apprese in conoscenze su come l’attività dell’uomo influisce sulla salute degli ecosistemi per prendere decisioni responsabili nei confronti degli oceani e della terra.”

Prof. Christopher Clark, Cornell University