Arquitecturas multiprocesador en computación de alto desempeño: software, métricas, modelos y aplicaciones

Autores
De Giusti, Armando Eduardo; Tinetti, Fernando Gustavo; Naiouf, Marcelo; Chichizola, Franco; De Giusti, Laura; Villagarcía Wanza, Horacio Alfredo; Montezanti, Diego; Encinas, Diego; Pousa, Adrián; Rodriguez, Ismael; Rodriguez Eguren, Sebastián; Iglesias, Luciano; Paniego, Juan Manuel; Pi Puig, Martín; Dell’Oso, Matías; Méndez, Mariano
Año de publicación
2017
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Caracterizar las arquitecturas multiprocesador distribuidas enfocadas especialmente a cluster y cloud computing, con énfasis en las que utilizan procesadores de múltiples núcleos (multicores, GPUs y Xeon Phi), con el objetivo de modelizarlas, estudiar su escalabilidad, analizar y predecir performance de aplicaciones paralelas, estudiar el consumo energético y su impacto en la perfomance así como desarrollar esquemas para detección y tolerancia a fallas en las mismas. Profundizar el estudio de arquitecturas basadas en GPUs y su comparación con clusters de multicores, así como el empleo combinado de GPUs y multicores en computadoras de alta perfomance. Iniciar investigación experimental con arquitecturas paralelas basadas en FPGAs. En particular estudiar perfomance en Clusters “híbridos”. Analizar y desarrollar software de base para clusters, tratando de optimizar el rendimiento. Investigar arquitecturas multicore asimétricas, desarrollar algoritmos de planificación en el software de sistema operativo para permitir la optimización del rendimiento y consumo energético en aplicaciones de propósito general. Estudiar clases de aplicaciones inteligentes en tiempo real, en particular el trabajo colaborativo de robots conectados a un cloud y procesamiento de Big Data. Es de hacer notar que este proyecto se coordina con otros proyectos en curso en el III-LIDI, relacionados con Computación de Alto Desempeño, Algoritmos Paralelos, Sistemas Distribuidos y Sistemas de Tiempo Real.
Materia
Ciencias de la Computación e Información
multicore
big data
cloud robotics
parallel
scheduling
fault tolerance
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/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:11746/6243
Acceder
id CICBA_7222a2216b1f9deb6b7de2127e043699
oai_identifier_str oai:digital.cic.gba.gob.ar:11746/6243
network_acronym_str CICBA
repository_id_str 9441
network_name_str CIC Digital (CICBA)
spelling Arquitecturas multiprocesador en computación de alto desempeño: software, métricas, modelos y aplicacionesDe Giusti, Armando EduardoTinetti, Fernando GustavoNaiouf, MarceloChichizola, FrancoDe Giusti, LauraVillagarcía Wanza, Horacio AlfredoMontezanti, DiegoEncinas, DiegoPousa, AdriánRodriguez, IsmaelRodriguez Eguren, SebastiánIglesias, LucianoPaniego, Juan ManuelPi Puig, MartínDell’Oso, MatíasMéndez, MarianoCiencias de la Computación e Informaciónmulticorebig datacloud roboticsparallelschedulingfault toleranceCaracterizar las arquitecturas multiprocesador distribuidas enfocadas especialmente a cluster y cloud computing, con énfasis en las que utilizan procesadores de múltiples núcleos (multicores, GPUs y Xeon Phi), con el objetivo de modelizarlas, estudiar su escalabilidad, analizar y predecir performance de aplicaciones paralelas, estudiar el consumo energético y su impacto en la perfomance así como desarrollar esquemas para detección y tolerancia a fallas en las mismas. Profundizar el estudio de arquitecturas basadas en GPUs y su comparación con clusters de multicores, así como el empleo combinado de GPUs y multicores en computadoras de alta perfomance. Iniciar investigación experimental con arquitecturas paralelas basadas en FPGAs. En particular estudiar perfomance en Clusters “híbridos”. Analizar y desarrollar software de base para clusters, tratando de optimizar el rendimiento. Investigar arquitecturas multicore asimétricas, desarrollar algoritmos de planificación en el software de sistema operativo para permitir la optimización del rendimiento y consumo energético en aplicaciones de propósito general. Estudiar clases de aplicaciones inteligentes en tiempo real, en particular el trabajo colaborativo de robots conectados a un cloud y procesamiento de Big Data. Es de hacer notar que este proyecto se coordina con otros proyectos en curso en el III-LIDI, relacionados con Computación de Alto Desempeño, Algoritmos Paralelos, Sistemas Distribuidos y Sistemas de Tiempo Real.2017-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttps://digital.cic.gba.gob.ar/handle/11746/6243spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/reponame:CIC Digital (CICBA)instname:Comisión de Investigaciones Científicas de la Provincia de Buenos Airesinstacron:CICBA2025-10-16T09:26:57Zoai:digital.cic.gba.gob.ar:11746/6243Institucionalhttp://digital.cic.gba.gob.arOrganismo científico-tecnológicoNo correspondehttp://digital.cic.gba.gob.ar/oai/snrdmarisa.degiusti@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:94412025-10-16 09:26:57.624CIC Digital (CICBA) - Comisión de Investigaciones Científicas de la Provincia de Buenos Airesfalse
dc.title.none.fl_str_mv Arquitecturas multiprocesador en computación de alto desempeño: software, métricas, modelos y aplicaciones
title Arquitecturas multiprocesador en computación de alto desempeño: software, métricas, modelos y aplicaciones
spellingShingle Arquitecturas multiprocesador en computación de alto desempeño: software, métricas, modelos y aplicaciones
De Giusti, Armando Eduardo
Ciencias de la Computación e Información
multicore
big data
cloud robotics
parallel
scheduling
fault tolerance
title_short Arquitecturas multiprocesador en computación de alto desempeño: software, métricas, modelos y aplicaciones
title_full Arquitecturas multiprocesador en computación de alto desempeño: software, métricas, modelos y aplicaciones
title_fullStr Arquitecturas multiprocesador en computación de alto desempeño: software, métricas, modelos y aplicaciones
title_full_unstemmed Arquitecturas multiprocesador en computación de alto desempeño: software, métricas, modelos y aplicaciones
title_sort Arquitecturas multiprocesador en computación de alto desempeño: software, métricas, modelos y aplicaciones
dc.creator.none.fl_str_mv De Giusti, Armando Eduardo
Tinetti, Fernando Gustavo
Naiouf, Marcelo
Chichizola, Franco
De Giusti, Laura
Villagarcía Wanza, Horacio Alfredo
Montezanti, Diego
Encinas, Diego
Pousa, Adrián
Rodriguez, Ismael
Rodriguez Eguren, Sebastián
Iglesias, Luciano
Paniego, Juan Manuel
Pi Puig, Martín
Dell’Oso, Matías
Méndez, Mariano
author De Giusti, Armando Eduardo
author_facet De Giusti, Armando Eduardo
Tinetti, Fernando Gustavo
Naiouf, Marcelo
Chichizola, Franco
De Giusti, Laura
Villagarcía Wanza, Horacio Alfredo
Montezanti, Diego
Encinas, Diego
Pousa, Adrián
Rodriguez, Ismael
Rodriguez Eguren, Sebastián
Iglesias, Luciano
Paniego, Juan Manuel
Pi Puig, Martín
Dell’Oso, Matías
Méndez, Mariano
author_role author
author2 Tinetti, Fernando Gustavo
Naiouf, Marcelo
Chichizola, Franco
De Giusti, Laura
Villagarcía Wanza, Horacio Alfredo
Montezanti, Diego
Encinas, Diego
Pousa, Adrián
Rodriguez, Ismael
Rodriguez Eguren, Sebastián
Iglesias, Luciano
Paniego, Juan Manuel
Pi Puig, Martín
Dell’Oso, Matías
Méndez, Mariano
author2_role author
author
author
author
author
author
author
author
author
author
author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias de la Computación e Información
multicore
big data
cloud robotics
parallel
scheduling
fault tolerance
topic Ciencias de la Computación e Información
multicore
big data
cloud robotics
parallel
scheduling
fault tolerance
dc.description.none.fl_txt_mv Caracterizar las arquitecturas multiprocesador distribuidas enfocadas especialmente a cluster y cloud computing, con énfasis en las que utilizan procesadores de múltiples núcleos (multicores, GPUs y Xeon Phi), con el objetivo de modelizarlas, estudiar su escalabilidad, analizar y predecir performance de aplicaciones paralelas, estudiar el consumo energético y su impacto en la perfomance así como desarrollar esquemas para detección y tolerancia a fallas en las mismas. Profundizar el estudio de arquitecturas basadas en GPUs y su comparación con clusters de multicores, así como el empleo combinado de GPUs y multicores en computadoras de alta perfomance. Iniciar investigación experimental con arquitecturas paralelas basadas en FPGAs. En particular estudiar perfomance en Clusters “híbridos”. Analizar y desarrollar software de base para clusters, tratando de optimizar el rendimiento. Investigar arquitecturas multicore asimétricas, desarrollar algoritmos de planificación en el software de sistema operativo para permitir la optimización del rendimiento y consumo energético en aplicaciones de propósito general. Estudiar clases de aplicaciones inteligentes en tiempo real, en particular el trabajo colaborativo de robots conectados a un cloud y procesamiento de Big Data. Es de hacer notar que este proyecto se coordina con otros proyectos en curso en el III-LIDI, relacionados con Computación de Alto Desempeño, Algoritmos Paralelos, Sistemas Distribuidos y Sistemas de Tiempo Real.
description Caracterizar las arquitecturas multiprocesador distribuidas enfocadas especialmente a cluster y cloud computing, con énfasis en las que utilizan procesadores de múltiples núcleos (multicores, GPUs y Xeon Phi), con el objetivo de modelizarlas, estudiar su escalabilidad, analizar y predecir performance de aplicaciones paralelas, estudiar el consumo energético y su impacto en la perfomance así como desarrollar esquemas para detección y tolerancia a fallas en las mismas. Profundizar el estudio de arquitecturas basadas en GPUs y su comparación con clusters de multicores, así como el empleo combinado de GPUs y multicores en computadoras de alta perfomance. Iniciar investigación experimental con arquitecturas paralelas basadas en FPGAs. En particular estudiar perfomance en Clusters “híbridos”. Analizar y desarrollar software de base para clusters, tratando de optimizar el rendimiento. Investigar arquitecturas multicore asimétricas, desarrollar algoritmos de planificación en el software de sistema operativo para permitir la optimización del rendimiento y consumo energético en aplicaciones de propósito general. Estudiar clases de aplicaciones inteligentes en tiempo real, en particular el trabajo colaborativo de robots conectados a un cloud y procesamiento de Big Data. Es de hacer notar que este proyecto se coordina con otros proyectos en curso en el III-LIDI, relacionados con Computación de Alto Desempeño, Algoritmos Paralelos, Sistemas Distribuidos y Sistemas de Tiempo Real.
publishDate 2017
dc.date.none.fl_str_mv 2017-04
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv https://digital.cic.gba.gob.ar/handle/11746/6243
url https://digital.cic.gba.gob.ar/handle/11746/6243
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-nc-sa/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/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_ 1846142608172122112
score 12.712165

Publicaciones similares