Обработка Больших данных

Анализируйте большие наборы данных в параллели с помощью распределенных массивов, длинных массивов, хранилищ данных или mapreduce, на кластерах Hadoop® и Spark®

Можно использовать Parallel Computing Toolbox™, чтобы распределить большие массивы параллельно на нескольких рабочих MATLAB®, так, чтобы можно было запустить большие применения данных, которые используют объединенную память о кластере. Parallel Computing Toolbox также позволяет вам выполнить длинный массив MATLAB® и вычисления datastore параллельно, так, чтобы можно было анализировать большие наборы данных, которые не помещаются в память о кластере. Можно использовать MATLAB Parallel Server™, чтобы запустить длинный массив, и вычисления datastore параллельно на Spark включили кластеры Hadoop. Выполнение так значительно уменьшает время выполнения очень больших вычислений данных.

  • Распределенные массивы
    Анализируйте большие наборы данных в параллели с помощью распределенных массивов и одновременного выполнения.
  • Длинные массивы и mapreduce
    Анализируйте большие наборы данных в использовании параллели длинные массивы MATLAB и хранилища данных или mapreduce на кластерах Spark и Hadoop, и найдите что-либо подобное пулам.

Популярные примеры

Process Big Data in the Cloud

Обработка Больших данных в облаке

Доступ к большому набору данных в облаке и процессе это в кластере облака использование возможностей MATLAB больших данных.

Скрипт Open Live Script
Документация Parallel Computing Toolbox
Поддержка
Для просмотра документации необходимо авторизоваться на сайте