Accelerating the pace of engineering and science

MATLAB Distributed Computing Server

Backwards Compatibility

Backwards Compatibility

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

Validation du profil de cluster

Validation du profil de cluster

Sélectionnez les étapes de validation à exécuter ainsi que le nombre de workers MATLAB à utiliser

Support parallèle des tableaux tall

Support parallèle des tableaux tall

Traitez les Big Data avec des tableaux tall en parallèle sur votre ordinateur de bureau, sur MATLAB Distributed Computing Server et sur les clusters Spark

Amélioration du menu Parallel

Amélioration du menu Parallel

Utilisez les nouveaux éléments du menu Parallel pour configurer et gérer les ressources basées sur le Cloud

Nouveaux types de données disponibles dans les tableaux distribués

Nouveaux types de données disponibles dans les tableaux distribués

Utilisez des fonctions améliorées afin de créer des tableaux distribués pour les fonctions suivantes : datetime; duration; calendarDuration; string; categorical; et table

Chargement des tableaux distribués

Chargement des tableaux distribués

Chargez des tableaux distribués en parallèle à l’aide de la fonction datastore

Support for Distributed Arrays

Support for Distributed Arrays

Use enhanced functions for creating distributed arrays of: datetimedurationcalendarDurationstring;categorical; and table

Hadoop Kerberos Support

Hadoop Kerberos Support

Improved support for Hadoop in a Kerberos authenticated environment

Increased Data Transfer Limits

Increased Data Transfer Limits

Transfer data up to 4GB in size between client and workers in any job using a MATLAB job scheduler cluster

Third Party Scheduler Integration

Third Party Scheduler Integration

Obtain integration scripts for Third Party Schedulers (IBM Platform LSF, Grid Engine, PBS and SLURM) from MATLAB Central File Exchange instead of Parallel Computing Toolbox

Latest Releases

R2016b (Version 6.9) - 14 sept 2016

La version 6.9, incluse dans la mise à jour 2016b, comporte les améliorations suivantes :

  • Validation du profil de cluster : Sélectionnez les étapes de validation à exécuter ainsi que le nombre de workers MATLAB à utiliser
  • Support parallèle des tableaux tall : Traitez les Big Data avec des tableaux tall en parallèle sur votre ordinateur de bureau, sur MATLAB Distributed Computing Server et sur les clusters Spark
  • Amélioration du menu Parallel : Utilisez les nouveaux éléments du menu Parallel pour configurer et gérer les ressources basées sur le Cloud
  • Nouveaux types de données disponibles dans les tableaux distribués : Utilisez des fonctions améliorées afin de créer des tableaux distribués pour les fonctions suivantes : datetime; duration; calendarDuration; string; categorical; et table
  • Chargement des tableaux distribués : Chargez des tableaux distribués en parallèle à l’aide de la fonction datastore

Pour en savoir plus, reportez-vous aux Notes de mise à jour.

R2016a (Version 6.8) - 3 mars 2016

La version 6.8, incluse dans la mise à jour 2016a, comporte les améliorations suivantes :

  • Support des tableaux distribués : Utilisez les fonctions de tableaux distributed, incluant les matrices creuses pour les solveurs directs (mldivide) et itératifs (cgs et pcg)
  • Support de Hadoop Kerberos : Meilleur support de Hadoop dans un environnement certifié Kerberos
  • Augmentation des limites de transfert de données : Transférez jusqu'à 4 Go de données entre le client et les agents pour n'importe quelle tâche utilisant un cluster d'ordonnanceur de tâches MATLAB
  • Intégration d'un ordonnanceur tiers : Obtenez des scripts d'intégration pour les ordonnanceurs tiers (IBM Platform LSF, Grid Engine, PBS et SLURM) depuis MATLAB Central File Exchange plutôt que depuis Parallel Computing Toolbox

Pour en savoir plus, reportez-vous aux Notes de mise à jour.

R2015b (Version 6.7) - 3 sept 2015

La version 6.7, incluse dans la mise à jour 2015b, comporte les améliorations suivantes :

  • Scripts d'intégration de l'ordonnanceur pour SLURM
  • Performances améliorées de mapreduce sur les clusters Hadoop 2
  • Fonction parallel.pool.Constant pour créer des données constantes dans les pools de workers parallèles, accessibles dans des constructions de langages parallèles telles que parfor et parfeval

Pour en savoir plus, reportez-vous aux Notes de mise à jour.

R2015a (Version 6.6) - 5 mars 2015

La version 6.6, incluse dans la mise à jour 2015a, comporte les améliorations suivantes :

  • Support de la fonction mapreduce sur n'importe quel cluster supportant les pools parallèles

Pour en savoir plus, reportez-vous aux Notes de mise à jour.

R2014b (Version 6.5) - 2 oct 2014

La version 6.5, incluse dans la mise à jour 2014b, comporte les améliorations suivantes :

  • Analyse des données sur les clusters Hadoop en utilisant mapreduce
  • Fonctions MATLAB supplémentaires pour les tableaux distribués, notamment fft2, fftn, ifft2, ifftn, cummax, cummin et diff

Pour en savoir plus, reportez-vous aux Notes de mise à jour.