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
CIC Digital (CICBA)
Institución
Comisión de Investigaciones Científicas de la Provincia de Buenos Aires
OAI Identificador
oai:digital.cic.gba.gob.ar:11746/3403

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