Identificación de algoritmos de cómputo Intensivo para big data y su implementación en clouds

Autores
Murazzo, María A.; Rodríguez, Nelson R.; Guevara, Miguel José; Tinetti, Fernando Gustavo
Año de publicación
2016
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión enviada
Descripción
Almacenar, transferir y procesar grandes volúmenes de datos en el área que se ha denominado Big Data son un factor determinante y un reto para el Cómputo de Alto Rendimiento (sigla en inglés: HPC de High Performance Computing). Los algoritmos usados para procesar esos datos deben sacar provecho de las ventajas ofrecidas por el cómputo en la Nube (Cloud), mediante el uso de algoritmos que permitan agilizar/acelerar el cómputo de o con esos datos.\nLa conjunción de Big Data y HPC se suele enfocar en la paralelización del procesamiento mediante la distribución de los datos y la delegación del cómputo en los nodos de procesamiento de la plataforma. Estas arquitecturas de cómputo, que para el caso de la memoria distribuida eran tradicionalmente los clusters, se pueden migrar al Cloud. La migración permite montar clusters virtuales (Cluster as a Service) logrando un entorno auto-escalable dependiente de la carga de trabajo. Se propone la identificación y evaluación de un conjunto representativo de algoritmos usados en Big Data con énfasis en su implementación en clouds.
Eje: Procesamiento Distribuido y Paralelo
Materia
Ciencias Informáticas
cloud computing
big data
cluster computing
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:11746/3322
Acceder
id CICBA_85f14155b8103f001eecc15631b6ae31
oai_identifier_str oai:digital.cic.gba.gob.ar:11746/3322
network_acronym_str CICBA
repository_id_str 9441
network_name_str CIC Digital (CICBA)
spelling Identificación de algoritmos de cómputo Intensivo para big data y su implementación en cloudsMurazzo, María A.Rodríguez, Nelson R.Guevara, Miguel JoséTinetti, Fernando GustavoCiencias Informáticascloud computingbig datacluster computingAlmacenar, transferir y procesar grandes volúmenes de datos en el área que se ha denominado Big Data son un factor determinante y un reto para el Cómputo de Alto Rendimiento (sigla en inglés: HPC de High Performance Computing). Los algoritmos usados para procesar esos datos deben sacar provecho de las ventajas ofrecidas por el cómputo en la Nube (Cloud), mediante el uso de algoritmos que permitan agilizar/acelerar el cómputo de o con esos datos.\nLa conjunción de Big Data y HPC se suele enfocar en la paralelización del procesamiento mediante la distribución de los datos y la delegación del cómputo en los nodos de procesamiento de la plataforma. Estas arquitecturas de cómputo, que para el caso de la memoria distribuida eran tradicionalmente los clusters, se pueden migrar al Cloud. La migración permite montar clusters virtuales (Cluster as a Service) logrando un entorno auto-escalable dependiente de la carga de trabajo. Se propone la identificación y evaluación de un conjunto representativo de algoritmos usados en Big Data con énfasis en su implementación en clouds.Eje: Procesamiento Distribuido y Paralelo2016-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/submittedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttps://digital.cic.gba.gob.ar/handle/11746/3322spahttp://sedici.unlp.edu.ar/handle/10915/52766info: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:CICBA2025-09-04T09:42:58Zoai:digital.cic.gba.gob.ar:11746/3322Institucionalhttp://digital.cic.gba.gob.arOrganismo científico-tecnológicoNo correspondehttp://digital.cic.gba.gob.ar/oai/snrdmarisa.degiusti@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:94412025-09-04 09:42:58.606CIC Digital (CICBA) - Comisión de Investigaciones Científicas de la Provincia de Buenos Airesfalse
dc.title.none.fl_str_mv Identificación de algoritmos de cómputo Intensivo para big data y su implementación en clouds
title Identificación de algoritmos de cómputo Intensivo para big data y su implementación en clouds
spellingShingle Identificación de algoritmos de cómputo Intensivo para big data y su implementación en clouds
Murazzo, María A.
Ciencias Informáticas
cloud computing
big data
cluster computing
title_short Identificación de algoritmos de cómputo Intensivo para big data y su implementación en clouds
title_full Identificación de algoritmos de cómputo Intensivo para big data y su implementación en clouds
title_fullStr Identificación de algoritmos de cómputo Intensivo para big data y su implementación en clouds
title_full_unstemmed Identificación de algoritmos de cómputo Intensivo para big data y su implementación en clouds
title_sort Identificación de algoritmos de cómputo Intensivo para big data y su implementación en clouds
dc.creator.none.fl_str_mv Murazzo, María A.
Rodríguez, Nelson R.
Guevara, Miguel José
Tinetti, Fernando Gustavo
author Murazzo, María A.
author_facet Murazzo, María A.
Rodríguez, Nelson R.
Guevara, Miguel José
Tinetti, Fernando Gustavo
author_role author
author2 Rodríguez, Nelson R.
Guevara, Miguel José
Tinetti, Fernando Gustavo
author2_role author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
cloud computing
big data
cluster computing
topic Ciencias Informáticas
cloud computing
big data
cluster computing
dc.description.none.fl_txt_mv Almacenar, transferir y procesar grandes volúmenes de datos en el área que se ha denominado Big Data son un factor determinante y un reto para el Cómputo de Alto Rendimiento (sigla en inglés: HPC de High Performance Computing). Los algoritmos usados para procesar esos datos deben sacar provecho de las ventajas ofrecidas por el cómputo en la Nube (Cloud), mediante el uso de algoritmos que permitan agilizar/acelerar el cómputo de o con esos datos.\nLa conjunción de Big Data y HPC se suele enfocar en la paralelización del procesamiento mediante la distribución de los datos y la delegación del cómputo en los nodos de procesamiento de la plataforma. Estas arquitecturas de cómputo, que para el caso de la memoria distribuida eran tradicionalmente los clusters, se pueden migrar al Cloud. La migración permite montar clusters virtuales (Cluster as a Service) logrando un entorno auto-escalable dependiente de la carga de trabajo. Se propone la identificación y evaluación de un conjunto representativo de algoritmos usados en Big Data con énfasis en su implementación en clouds.
Eje: Procesamiento Distribuido y Paralelo
description Almacenar, transferir y procesar grandes volúmenes de datos en el área que se ha denominado Big Data son un factor determinante y un reto para el Cómputo de Alto Rendimiento (sigla en inglés: HPC de High Performance Computing). Los algoritmos usados para procesar esos datos deben sacar provecho de las ventajas ofrecidas por el cómputo en la Nube (Cloud), mediante el uso de algoritmos que permitan agilizar/acelerar el cómputo de o con esos datos.\nLa conjunción de Big Data y HPC se suele enfocar en la paralelización del procesamiento mediante la distribución de los datos y la delegación del cómputo en los nodos de procesamiento de la plataforma. Estas arquitecturas de cómputo, que para el caso de la memoria distribuida eran tradicionalmente los clusters, se pueden migrar al Cloud. La migración permite montar clusters virtuales (Cluster as a Service) logrando un entorno auto-escalable dependiente de la carga de trabajo. Se propone la identificación y evaluación de un conjunto representativo de algoritmos usados en Big Data con énfasis en su implementación en clouds.
publishDate 2016
dc.date.none.fl_str_mv 2016-04
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/submittedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str submittedVersion
dc.identifier.none.fl_str_mv https://digital.cic.gba.gob.ar/handle/11746/3322
url https://digital.cic.gba.gob.ar/handle/11746/3322
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/52766
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_ 1842340398959165440
score 12.623145

Publicaciones similares