并行计算是什么?
并行计算允许您同时进行许多的计算。通常可以分成较小的大问题,然后解决了在同一时间。
考虑并行计算的主要原因
同时节省时间的分配和执行这些任务
解决大数据问题的分布数据
利用你的桌面计算机资源和扩大集群和云计算
与并行计算工具箱™,你可以
加速你的代码使用交互式并行计算工具,如
parfor和parfeval扩大你的计算使用互动的大数据处理工具,如
分布式,高,数据存储,mapreduce使用
gpuArray加快你的GPU的计算你的电脑使用
批处理卸载你电脑计算集群或云计算设施
这里有一些有用的并行计算的概念:
节点:独立的计算机,包含一个或多个cpu / gpu。节点是网络形成一个集群或超级计算机
线程:最小的指令集可以由调度器独立管理。在GPU上,多处理器和多核系统,可以同时执行多个线程(多线程)
批处理:卸载脚本的执行功能在后台运行
可伸缩性:增加并行加速通过添加更多的资源
什么工具MATLAB®和并行计算工具箱提供了吗?
MATLAB的工人:MATLAB计算引擎,没有图形化桌面在后台运行。你使用并行计算工具箱中的函数自动分配任务,并将它们分配给这些工人执行并行计算。您可以运行本地工人利用多核桌面计算机的核心。你也可以扩大规模的计算机集群上运行你的工人,使用MATLAB并行服务器™。MATLAB会话你与被称为交互MATLAB的客户。客户指示工人并行语言的功能。
平行池:平行的MATLAB工人使用
parpool或函数自动并行的支持。金宝app默认情况下,并行语言功能在必要时自动为您创建一个平行的池。欲了解更多,请看代码运行在并行池。为默认本地配置文件,默认的工人数量是每个物理CPU核心使用单一计算线程。这是因为即使每个物理核心可以有几个虚拟核心,虚拟核心共享一些资源,通常包括一个共享的浮点单元(FPU)。大多数MATLAB计算使用这个单位,因为他们是双精度浮点数。限制一名工人每个物理核心确保每个工人独占地访问一个浮点单元,通常计算代码的优化性能。如果您的代码不是计算密集型的,例如,它是输入/输出(I / O)密集,那么考虑使用两名工人每个物理核心。运行太多的工人太少的资源可能会影响你的机器的性能和稳定性。
扩大您的数据:分区大数据跨多个MATLAB工人,使用高阵列和分布式阵列。欲了解更多,请看大数据处理。
异步处理:使用
parfeval在后台执行计算任务而不必等待它完成。扩大集群和云:如果你的计算任务太大或为您的本地计算机太慢了,你可以出售你的计算集群现场或在云中使用MATLAB并行服务器。有关更多信息,请参见集群和云。
