在多核计算机、GPU 和集群上执行并行计算

该工具箱通过在本地运行的 worker（MATLAB 计算引擎）上执行应用程序，允许你充分利用多核台式机的处理能力。无需更改代码，即可在集群或云上运行同一个应用程序（使用 MATLAB Parallel Server™）。还可以将该工具箱与 MATLAB Parallel Server 结合使用，以执行由于太大而无法装入单台机器内存的矩阵计算。

扩展 MATLAB 应用程序

Parallel Computing Toolbox 使应用程序可以发挥配备多核处理器和 GPU 的计算机的优势。

使用多核计算机加速 MATLAB

使用并行 for 循环 (parfor) 可在多核 CPU 上并行运行独立迭代，以解决诸如参数扫描、优化和 Monte Carlo 仿真等问题。parfor 会自动创建并行池并管理文件依赖性，让你可以专注于自己的工作。多个 MATLAB 和 Simulink 产品中的主要函数包含支持并行的函数。借助 Parallel Computing Toolbox，这些函数可以将计算分布到可用的计算资源上可以通过交互方式和批处理方式执行并行应用程序。

使用 GPU 加速 MATLAB

Parallel Computing Toolbox 可让你借助 gpuArray 直接从 MATLAB 使用 NVIDIA® GPU。有 500 多个 MATLAB 函数可在 NVIDIA GPU 上自动运行，包括 fft、元素级运算和几种线性代数运算，如 lu 和 mldivide（也称作反斜杠运算符 (\)）。多个 MATLAB 和 Simulink 产品（如 Deep Learning Toolbox）中的主要函数都包含支持 GPU 的函数。无需编写任何额外代码即可使用 GPU，从而可让你专注于应用程序本身而不是性能调优。高级开发人员可以直接从 MATLAB 调用自己的 CUDA 代码。可以利用台式机、计算集群和云环境上的多个 GPU。

处理大数据

Parallel Computing Toolbox 扩展了 MATLAB 中内置的 tall 数组和 mapreduce 功能，让你能够在本地 worker 上运行，以提高性能。随后你可以在传统集群或 Apache Spark™ 和 Hadoop® 集群上使用 MATLAB Parallel Server 将 tall 数组和 mapreduce 扩展到额外资源。还可以在台式机上用distributed array 进行原型设计，然后使用 MATLAB Parallel Server 扩展到额外资源。

加速 Simulink 仿真

借助 Parallel Computing Toolbox，可以轻松地在多个 CPU 核心上同时运行多个 Simulink 仿真。可在 Monte Carlo 分析、参数扫描、模型测试、实验设计和模型优化中轻松地使用不同输入或参数设置来运行同一模型。

并行运行多个仿真

使用 parsim 函数可并行运行仿真。该函数可将多个仿真分布到多核 CPU 以加快整体仿真速度。parsim 还可自动创建并行池、标识文件依赖性并管理构建工件，让你可以专注于设计工作。你可以通过交互方式或批处理方式执行并行仿真。

仿真管理器

Simulation Manager 与 parsim 集成，可以用于在一个窗口中监控和可视化多个仿真。可以选择单个仿真并查看其规范，并使用 Simulation Data Inspector 检查仿真结果。还可以方便地运行诊断任务或中止仿真。

利用支持并行的 Simulink 功能

除了使用 parsim 和 batchsim 函数运行 Simulink 仿真之外，还有许多的 Simulink 产品（包括 Simulink Design Optimization™、Reinforcement Learning Toolbox™、Simulink Test™ 和 Simulink Coverage™ ）提供并行功能，让你无需编写任何代码便可并行运行仿真。

集群和云中的并行计算

可在台式机或虚拟台式机上对应用程序进行原型设计和调试并扩展到集群或云，无需重新编码。交互式开发，并通过批处理工作流程移至生产环境。

在公共云和私有云上运行 MATLAB 桌面。

利用多个按需的高性能 CPU 和 GPU 机器来加速分析和仿真。在 Amazon Web Services® (AWS) 环境或 Microsoft Azure® 中，直接在虚拟机上运行 MATLAB 和 Simulink。 还可以通过在 NVIDIA GPU Cloud 或 NVIDIA DGX 上的 MATLAB Deep Learning Container 中训练神经网络，来加速深度学习应用程序。

借助 MATLAB Parallel Server 扩展到集群

在桌面上开发原型，然后扩展到计算机集群或云，无需重新编码。只需更改集群配置文件，便可从你的桌面访问不同的执行环境。

MATLAB Parallel Server

在集群和云上执行 MATLAB 和 Simulink 计算

所有集群端许可都由 MATLAB Parallel Server 处理。在集群上动态启用您的桌面许可证配置文件，因此您不需要为集群提供 MATLAB 许可证。该许可模型包括支持无限扩展的特性。

MATLAB Parallel Server 在集群上以调度应用程序的方式运行您的程序和仿真。您可以使用 MATLAB Parallel Server 提供的 MATLAB 优化的调度程序或您自己的调度程序。插件框架可实现与常见集群调度程序提交客户端直接通信。

在 R2019a 版本之前，MATLAB Parallel Server 被称为 MATLAB Distributed Computing Server。

编写一次代码，在多种环境中使用

使用 Parallel Computing Toolbox™ 在本机建立应用程序原型并调试，无需重新编码，便可轻松扩展到集群或云上。交互式开发，并通过批处理工作流程移至生产环境。

不改变算法，在多个机器上运行

在本机开发原型，然后扩展到计算机集群，而无需重新编码。只需更改集群配置文件，便可从您的桌面访问不同的执行环境。

访问集中式资源上的 CPU 和 GPU

在不离开 MATLAB Desktop 环境的情况下，充分利用您所在机构集群中的高端硬件。

扩展计算

在计算集群和云上运行计算密集型 MATLAB 应用程序和 Simulink 模型。MATLAB Parallel Server 支持批处理、并行应用程序、GPU 计算和分布式内存。

自动管理多个 Simulink 仿真

轻松设置多个运行和参数扫描，管理模型依赖关系并建立文件夹，将基础工作区变量传递给集群进程。使用仿真管理器用户界面，可视化管理 Simulink 模型在一个集群上的多次运行。

通过 Windows、Mac 或 Linux 处理大数据

在少量或大量数据上使用相同的 MATLAB 分析。通过 Windows®、Mac® 或 Linux® 桌面，您可以处理支持 Spark™ 的 Hadoop® 集群上的大数据，也可以处理标准的传统集群文件系统大数据。

克服内存障碍

执行不适合在单机内存中处理的计算，而不需要重新编写算法或使用共享内存架构。

使用单个许可证管理任何大小的集群

对于最终用户在本机上使用的产品，自动授权他们在集群上使用。该集群仅需要 MATLAB Parallel Server 许可证。

在集群上使用您的桌面工具箱

MATLAB Parallel Server 是集群上唯一需要的许可证。动态的许可机制在集群上启用每个用户特定的桌面许可证配置文件。

使用您的现有硬件和基础架构

离开 MATLAB 便可以管理他们的通过一些专用机器创建集群并使用 MATLAB 作业调度器管理作业，或者与现有集群集成，使用第三方调度器管理作业。用户无需作业。

将应用程序扩展到云端

与公共云和私有云集成。访问云端更强大的专业化硬件。使用来自 MathWorks 和 MathWorks 托管服务提供商的预配置选项，或构建您自己的基础架构。