JMPs Funktion zur Unterstützung mehrerer Distributed ComputingHallo Freunde,
Dies ist eine Frage der Funktion von JMP zur Unterstützung mehrerer Distributed Computing.
Ich hoffe Ihre Ideen und Unterstützung.
1. Es gibt 5 Knoten (80 Core), die CPU 16 Core in 1 Knoten.
Können wir JMP als Distributed Computing-Unterstützung verwenden?
Jetzt wurden MDCS (Matlab Distributed Computing Server) und MJS (Matlab Job Scheduler) im Header-Knoten jedes Computers installiert.
Nach dem Anruf von 16 Mitarbeitern bei Bedarf durch jeden Knoten können sie die Arbeitsplanung durchführen und 5 Knoten (80 Mitarbeiter) betreiben.
2. Wenn JMP Distributed Computing unterstützt, sind sie der Meinung, dass gleichzeitige Vorgänge auf mehreren Computern mit 16 Kernen wie MDCS / MJS möglich sein können. Wenn sie die Funktion installieren möchten, müssen sie aktivieren, welche Funktionen von JMP oder gibt es eine andere Methode?
Betreff: JMPs Funktion zur Unterstützung mehrerer Distributed ComputingHallo @IkjuShin ,
JMP unterstützt kein Grid oder keine verteilte Computerumgebung.
SAS hat wirklich gute Unterstützung für diese Art von Infrastruktur.
Je nach dem in der Grid-Umgebung verwendeten Betriebssystem kann JMP mit der richtigen Lizenz auf einem oder mehreren Knoten im Grid bereitgestellt werden.
Jede JMP-Instanz verwendet jedoch jeweils nur die 16 Kerne, die auf jedem einzelnen Knoten verfügbar sind.
Hinweis: Die Presentation Server-Lizenz wird nur unter Windows Server-Betriebssystemen oder Windows Desktop-Betriebssystemen unterstützt.
--Stan
Betreff: JMPs Funktion zur Unterstützung mehrerer Distributed ComputingWeitere Informationen zur Verwendung des Formula Depot zum Bereitstellen von JMP-Modellen in einer Produktionsumgebung, einschließlich Quellcode für eine Bereitstellung in einem Spark-Cluster, finden Sie unter https://community.jmp.com/t5/Discovery-Summit-2016/Scoring-Outside-the-Box/ta-p/22381
Betreff: JMPs Funktion zur Unterstützung mehrerer Distributed ComputingEin paar Gedanken dazu:
1. Für Einzelcomputer mit mehreren Kernen (dh Desktop-Computer mit 4 oder 8 Kernen, wie viele Laptops und Desktops) unterstützt JMP Multithreading an vielen Orten automatisch und nutzt die gesamte verfügbare Hardware. Siehe die JMP 14-Dokumentation für Funktionen, die Multithreading unterstützen.
2. Für viele, wenn nicht die meisten Dinge, für die JMP normalerweise verwendet wird, ist ein Desktop schnell genug, um mit Daten zu arbeiten, über die Wissenschaftler und Ingenieure verfügen. Im Fall des oben genannten MATLAB-Beispiels hat der Kunde mit sehr komplexen Simulationen zu kämpfen, die Stunden in Anspruch nehmen und daher den Aufwand und die Mühe mit sich bringen, eine verteilte Computerumgebung einzurichten, Jobs zu planen und auf viele weitere Kerne auszulagern . Dies ist auch etwas, in dem SAS sehr gut ist.
3. Wenn Sie in JMP erstellte Modelle "produktivieren" möchten, können Sie im Formula Depot (C, SAS, Python, JavaScript, SQL) Score-Code generieren. Zu diesem Zeitpunkt kann das Modell auf ein System übertragen werden, das gitterähnliche Operationen unterstützt.
