Solución de sistemas de ecuaciones ralas en clusters de computadoras
- Autores
- Aróztegui, Walter J.; Quijano, Antonio Adrián; Tinetti, Fernando Gustavo
- Año de publicación
- 2004
- Idioma
- español castellano
- Tipo de recurso
- documento de trabajo
- Estado
- versión enviada
- Descripción
- En este artículo se presenta una estrategia de paralelización en clusters del método de Gauss-Seidel para la solución de sistemas de ecuaciones ralas. Desde el punto de vista de la solución numérica para matrices de coeficients con poca densidad de elemtnso no nulos, se siguen los lineamientos estándares. Es decir: esquemas de alamcenamiento especiales (Solamente se almacenan los elementos no nulos) y métodos iterativos de búsqueda de solución por aproximaciones sucesivas.\nDesde el punto de vista de la paralelización del procesamiento en clusters de computadoras, se siguen dos principios básicos: distribución de datos unidimensaional y utilización de mensajes broadcast para toda comunicación de datos entre procesos. La distribución de datos unidimensional facilita al máximo la distribución de carga de procesamiento aún en el caso de clusters heterogéneos (que sin embargo no se presentan en este artículo) La utilización de mensajes broadcast para toda comunicación de datos entre procesos está directamente orientada a la optimización de rendimiento de las comunicaciones en la mayoría de los clusters instalados y que se utilizan para cómputo paralelo La interconexión más usual de estos clusters es la provista por las redes Ethernet, y por lo tanto puede implementar los mensajes broadcast a nivel físico con sobrecarga mínima.\nSe presenta el análisis de rendimiento paralelo y además los resultados obtenidos en una red local de computadoras heterogéneas que se utilizan como si fueran homogéneas. En este caso se utiliza una implementación de la biblioteca MPI (Message Passage Interface) para la comunicación entre procesos.
Eje: IV - Workshop de procesamiento distribuido y paralelo - Materia
-
Ciencias Informáticas
Parallel algorithms
Parallel processing
Distributed
sistemas de ecuaciones ralas
cómputo paralelo en clusters
problema de álgebra lineal en paralelo
algoritmos paralelos
rendimiento de computo y comunicaciones - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by/4.0/
- Repositorio
- Institución
- Comisión de Investigaciones Científicas de la Provincia de Buenos Aires
- OAI Identificador
- oai:digital.cic.gba.gob.ar:11746/3403
Ver los metadatos del registro completo
id |
CICBA_1139145722e71eebc99fea5fc604125f |
---|---|
oai_identifier_str |
oai:digital.cic.gba.gob.ar:11746/3403 |
network_acronym_str |
CICBA |
repository_id_str |
9441 |
network_name_str |
CIC Digital (CICBA) |
spelling |
Solución de sistemas de ecuaciones ralas en clusters de computadorasAróztegui, Walter J.Quijano, Antonio AdriánTinetti, Fernando GustavoCiencias InformáticasParallel algorithmsParallel processingDistributedsistemas de ecuaciones ralascómputo paralelo en clustersproblema de álgebra lineal en paraleloalgoritmos paralelosrendimiento de computo y comunicacionesEn este artículo se presenta una estrategia de paralelización en clusters del método de Gauss-Seidel para la solución de sistemas de ecuaciones ralas. Desde el punto de vista de la solución numérica para matrices de coeficients con poca densidad de elemtnso no nulos, se siguen los lineamientos estándares. Es decir: esquemas de alamcenamiento especiales (Solamente se almacenan los elementos no nulos) y métodos iterativos de búsqueda de solución por aproximaciones sucesivas.\nDesde el punto de vista de la paralelización del procesamiento en clusters de computadoras, se siguen dos principios básicos: distribución de datos unidimensaional y utilización de mensajes broadcast para toda comunicación de datos entre procesos. La distribución de datos unidimensional facilita al máximo la distribución de carga de procesamiento aún en el caso de clusters heterogéneos (que sin embargo no se presentan en este artículo) La utilización de mensajes broadcast para toda comunicación de datos entre procesos está directamente orientada a la optimización de rendimiento de las comunicaciones en la mayoría de los clusters instalados y que se utilizan para cómputo paralelo La interconexión más usual de estos clusters es la provista por las redes Ethernet, y por lo tanto puede implementar los mensajes broadcast a nivel físico con sobrecarga mínima.\nSe presenta el análisis de rendimiento paralelo y además los resultados obtenidos en una red local de computadoras heterogéneas que se utilizan como si fueran homogéneas. En este caso se utiliza una implementación de la biblioteca MPI (Message Passage Interface) para la comunicación entre procesos.Eje: IV - Workshop de procesamiento distribuido y paralelo2004-01-01info:eu-repo/semantics/workingPaperinfo:eu-repo/semantics/submittedVersionhttp://purl.org/coar/resource_type/c_8042info:ar-repo/semantics/documentoDeTrabajoapplication/pdfhttps://digital.cic.gba.gob.ar/handle/11746/3403spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/4.0/reponame:CIC Digital (CICBA)instname:Comisión de Investigaciones Científicas de la Provincia de Buenos Airesinstacron:CICBA2025-09-29T13:40:01Zoai:digital.cic.gba.gob.ar:11746/3403Institucionalhttp://digital.cic.gba.gob.arOrganismo científico-tecnológicoNo correspondehttp://digital.cic.gba.gob.ar/oai/snrdmarisa.degiusti@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:94412025-09-29 13:40:01.497CIC Digital (CICBA) - Comisión de Investigaciones Científicas de la Provincia de Buenos Airesfalse |
dc.title.none.fl_str_mv |
Solución de sistemas de ecuaciones ralas en clusters de computadoras |
title |
Solución de sistemas de ecuaciones ralas en clusters de computadoras |
spellingShingle |
Solución de sistemas de ecuaciones ralas en clusters de computadoras Aróztegui, Walter J. Ciencias Informáticas Parallel algorithms Parallel processing Distributed sistemas de ecuaciones ralas cómputo paralelo en clusters problema de álgebra lineal en paralelo algoritmos paralelos rendimiento de computo y comunicaciones |
title_short |
Solución de sistemas de ecuaciones ralas en clusters de computadoras |
title_full |
Solución de sistemas de ecuaciones ralas en clusters de computadoras |
title_fullStr |
Solución de sistemas de ecuaciones ralas en clusters de computadoras |
title_full_unstemmed |
Solución de sistemas de ecuaciones ralas en clusters de computadoras |
title_sort |
Solución de sistemas de ecuaciones ralas en clusters de computadoras |
dc.creator.none.fl_str_mv |
Aróztegui, Walter J. Quijano, Antonio Adrián Tinetti, Fernando Gustavo |
author |
Aróztegui, Walter J. |
author_facet |
Aróztegui, Walter J. Quijano, Antonio Adrián Tinetti, Fernando Gustavo |
author_role |
author |
author2 |
Quijano, Antonio Adrián Tinetti, Fernando Gustavo |
author2_role |
author author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas Parallel algorithms Parallel processing Distributed sistemas de ecuaciones ralas cómputo paralelo en clusters problema de álgebra lineal en paralelo algoritmos paralelos rendimiento de computo y comunicaciones |
topic |
Ciencias Informáticas Parallel algorithms Parallel processing Distributed sistemas de ecuaciones ralas cómputo paralelo en clusters problema de álgebra lineal en paralelo algoritmos paralelos rendimiento de computo y comunicaciones |
dc.description.none.fl_txt_mv |
En este artículo se presenta una estrategia de paralelización en clusters del método de Gauss-Seidel para la solución de sistemas de ecuaciones ralas. Desde el punto de vista de la solución numérica para matrices de coeficients con poca densidad de elemtnso no nulos, se siguen los lineamientos estándares. Es decir: esquemas de alamcenamiento especiales (Solamente se almacenan los elementos no nulos) y métodos iterativos de búsqueda de solución por aproximaciones sucesivas.\nDesde el punto de vista de la paralelización del procesamiento en clusters de computadoras, se siguen dos principios básicos: distribución de datos unidimensaional y utilización de mensajes broadcast para toda comunicación de datos entre procesos. La distribución de datos unidimensional facilita al máximo la distribución de carga de procesamiento aún en el caso de clusters heterogéneos (que sin embargo no se presentan en este artículo) La utilización de mensajes broadcast para toda comunicación de datos entre procesos está directamente orientada a la optimización de rendimiento de las comunicaciones en la mayoría de los clusters instalados y que se utilizan para cómputo paralelo La interconexión más usual de estos clusters es la provista por las redes Ethernet, y por lo tanto puede implementar los mensajes broadcast a nivel físico con sobrecarga mínima.\nSe presenta el análisis de rendimiento paralelo y además los resultados obtenidos en una red local de computadoras heterogéneas que se utilizan como si fueran homogéneas. En este caso se utiliza una implementación de la biblioteca MPI (Message Passage Interface) para la comunicación entre procesos. Eje: IV - Workshop de procesamiento distribuido y paralelo |
description |
En este artículo se presenta una estrategia de paralelización en clusters del método de Gauss-Seidel para la solución de sistemas de ecuaciones ralas. Desde el punto de vista de la solución numérica para matrices de coeficients con poca densidad de elemtnso no nulos, se siguen los lineamientos estándares. Es decir: esquemas de alamcenamiento especiales (Solamente se almacenan los elementos no nulos) y métodos iterativos de búsqueda de solución por aproximaciones sucesivas.\nDesde el punto de vista de la paralelización del procesamiento en clusters de computadoras, se siguen dos principios básicos: distribución de datos unidimensaional y utilización de mensajes broadcast para toda comunicación de datos entre procesos. La distribución de datos unidimensional facilita al máximo la distribución de carga de procesamiento aún en el caso de clusters heterogéneos (que sin embargo no se presentan en este artículo) La utilización de mensajes broadcast para toda comunicación de datos entre procesos está directamente orientada a la optimización de rendimiento de las comunicaciones en la mayoría de los clusters instalados y que se utilizan para cómputo paralelo La interconexión más usual de estos clusters es la provista por las redes Ethernet, y por lo tanto puede implementar los mensajes broadcast a nivel físico con sobrecarga mínima.\nSe presenta el análisis de rendimiento paralelo y además los resultados obtenidos en una red local de computadoras heterogéneas que se utilizan como si fueran homogéneas. En este caso se utiliza una implementación de la biblioteca MPI (Message Passage Interface) para la comunicación entre procesos. |
publishDate |
2004 |
dc.date.none.fl_str_mv |
2004-01-01 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/workingPaper info:eu-repo/semantics/submittedVersion http://purl.org/coar/resource_type/c_8042 info:ar-repo/semantics/documentoDeTrabajo |
format |
workingPaper |
status_str |
submittedVersion |
dc.identifier.none.fl_str_mv |
https://digital.cic.gba.gob.ar/handle/11746/3403 |
url |
https://digital.cic.gba.gob.ar/handle/11746/3403 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by/4.0/ |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by/4.0/ |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:CIC Digital (CICBA) instname:Comisión de Investigaciones Científicas de la Provincia de Buenos Aires instacron:CICBA |
reponame_str |
CIC Digital (CICBA) |
collection |
CIC Digital (CICBA) |
instname_str |
Comisión de Investigaciones Científicas de la Provincia de Buenos Aires |
instacron_str |
CICBA |
institution |
CICBA |
repository.name.fl_str_mv |
CIC Digital (CICBA) - Comisión de Investigaciones Científicas de la Provincia de Buenos Aires |
repository.mail.fl_str_mv |
marisa.degiusti@sedici.unlp.edu.ar |
_version_ |
1844618594031239168 |
score |
13.070432 |