이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.
클러스터 및 클라우드
클러스터 리소스를 검색하고 클러스터 프로파일로 작업합니다.
로컬 컴퓨터로 처리하기에 연산 작업이 너무 크거나 너무 느린 경우 현장에 있는 클러스터나 클라우드로 분담하여 최소한의 변경으로 MATLAB® 코드를 실행할 수 있습니다. 사용 가능한 클러스터가 이미 있는지 확인하려면 MATLAB 툴스트립에서 병렬연산 > 클러스터 검색을 사용해 보십시오.
이미 스케줄러가 있는 클러스터가 있는 경우 MATLAB Parallel Server™를 사용하여 MATLAB을 클러스터와 통합할 수 있습니다. 또는 기존 스케줄러가 없는 경우에는 MATLAB Parallel Server에서 MATLAB 작업 스케줄러를 제공합니다.
함수
객체
도움말 항목
클러스터 설정
- 클러스터 검색 및 클러스터 프로파일 사용하기
클러스터 프로파일을 사용하는 방법과 클라우드 클러스터를 검색하는 방법을 알아봅니다. - 병렬 설정 지정하기
병렬 설정을 조정하여 자동으로 병렬 풀을 생성합니다. - Set Environment Variables on Workers
Copy system environment variables from the client to workers in a cluster.
클러스터 및 클라우드 애플리케이션
- Scale Up from Desktop to Cluster
Develop your parallel MATLAB® code on your local machine and scale up to a cluster. - Process Big Data in the Cloud
This example shows how to access a large data set in the cloud and process it in a cloud cluster using MATLAB® capabilities for big data. - Scale Up Parallel Code to Large Clusters
Discover options to scale your parallel MATLAB code to use large HPC clusters.
- Work with Remote GPUs
This example shows how to run MATLAB® code on multiple remote GPUs in a cluster. (R2024a 이후) - Benchmark Your Cluster with the HPC Challenge
This example shows how to evaluate the performance of a compute cluster with the HPC Challenge Benchmark. - Benchmark Cluster Workers
This example shows how to run the MATLAB® benchmark on your cluster workers.
풀 파티션 작업
- Partition Parallel Pools to Optimize Resource Use
Choose how to tailor pool resources to specific parallel workflows. (R2025a 이후) - Partition Pools for Efficient Resource Management in Concurrent Parallel Workflows
This example shows how to use pool partitions to effectively manage and optimize resource allocation in concurrent parallel workflows. (R2025a 이후)
관련 정보
- 병렬 연산 및 클라우드 (Deep Learning Toolbox)
- 설치 (MATLAB Parallel Server)
- MATLAB에서 병렬 연산을 사용한 결과 산출 시간 단축