Arquitecturas multiprocesador en cómputo de altas prestaciones: software de base, métricas y aplicaciones

Autores
De Giusti, Armando Eduardo; Tinetti, Fernando Gustavo; Naiouf, Marcelo; Chichizola, Franco; De Giusti, Laura Cristina; Villagarcía Wanza, Horacio A.; Montezanti, Diego Miguel; Frati, Fernando Emmanuel; Pousa, Adrián; Rodriguez, Ismael Pablo; Rodriguez Eguren, Sebastián; Denham, Mónica Malén; Iglesias, Luciano; Méndez, Mariano
Año de publicación
2014
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 y GPUs), con el objetivo de modelizarlas, estudiar su escalabilidad, analizar y predecir performance de aplicaciones paralelas y desarrollar esquemas de 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. En particular estudiar perfomance en Clusters “híbridos”. Analizar la eficiencia energética en estas arquitecturas paralelas, considerando el impacto de la arquitectura, el sistema operativo, el modelo de programación y el algoritmo específico. Analizar y desarrollar software de base para clusters de multicores y GPUs, tratando de optimizar el rendimiento. En el año 2013 se han incorporado nuevas líneas de interés: - El desarrollo de aplicaciones sobre Cloud y en particular las aplicaciones de Big Data en Cloud. - La utilización de los registros de hardware de los procesadores para la toma de diferentes decisiones en tiempo de ejecución. - El desarrollo de herramientas para la transformación de código heredado, buscando su optimización sobre arquitecturas paralelas. Es de hacer notar que este proyecto se coordina con otros proyectos en curso en el III-LIDI, relacionados con Algoritmos Paralelos, Sistemas Distribuidos y Sistemas de Tiempo Real.
Eje: Procesamiento Distribuido y Paralelo
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
sistemas paralelos
Parallel processors
Distributed architectures
multicore
Fault tolerance
GPU
Cluster, Grid y Cloud Computing
Performance evaluation (efficiency and effectiveness)
Cluster híbridos
Perfomance y eficiencia energética
Tolerancia a fallas en Sistemas paralelos
Modelos de programación de arquitecturas paralelas
Planificación
Scheduling
virtualización
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/42793
Acceder
id SEDICI_c40ace73733094acfd0ea85347c10563
oai_identifier_str oai:sedici.unlp.edu.ar:10915/42793
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Arquitecturas multiprocesador en cómputo de altas prestaciones: software de base, métricas y aplicacionesDe Giusti, Armando EduardoTinetti, Fernando GustavoNaiouf, MarceloChichizola, FrancoDe Giusti, Laura CristinaVillagarcía Wanza, Horacio A.Montezanti, Diego MiguelFrati, Fernando EmmanuelPousa, AdriánRodriguez, Ismael PabloRodriguez Eguren, SebastiánDenham, Mónica MalénIglesias, LucianoMéndez, MarianoCiencias Informáticassistemas paralelosParallel processorsDistributed architecturesmulticoreFault toleranceGPUCluster, Grid y Cloud ComputingPerformance evaluation (efficiency and effectiveness)Cluster híbridosPerfomance y eficiencia energéticaTolerancia a fallas en Sistemas paralelosModelos de programación de arquitecturas paralelasPlanificaciónSchedulingvirtualizaciónCaracterizar las arquitecturas multiprocesador distribuidas enfocadas especialmente a cluster y cloud computing, con énfasis en las que utilizan procesadores de múltiples núcleos (multicores y GPUs), con el objetivo de modelizarlas, estudiar su escalabilidad, analizar y predecir performance de aplicaciones paralelas y desarrollar esquemas de 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. En particular estudiar perfomance en Clusters “híbridos”. Analizar la eficiencia energética en estas arquitecturas paralelas, considerando el impacto de la arquitectura, el sistema operativo, el modelo de programación y el algoritmo específico. Analizar y desarrollar software de base para clusters de multicores y GPUs, tratando de optimizar el rendimiento. En el año 2013 se han incorporado nuevas líneas de interés: - El desarrollo de aplicaciones sobre Cloud y en particular las aplicaciones de Big Data en Cloud. - La utilización de los registros de hardware de los procesadores para la toma de diferentes decisiones en tiempo de ejecución. - El desarrollo de herramientas para la transformación de código heredado, buscando su optimización sobre arquitecturas paralelas. Es de hacer notar que este proyecto se coordina con otros proyectos en curso en el III-LIDI, relacionados con Algoritmos Paralelos, Sistemas Distribuidos y Sistemas de Tiempo Real.Eje: Procesamiento Distribuido y ParaleloRed de Universidades con Carreras en Informática (RedUNCI)2014-05info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf706-711http://sedici.unlp.edu.ar/handle/10915/42793spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-15T10:54:04Zoai:sedici.unlp.edu.ar:10915/42793Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-15 10:54:05.254SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Arquitecturas multiprocesador en cómputo de altas prestaciones: software de base, métricas y aplicaciones
title Arquitecturas multiprocesador en cómputo de altas prestaciones: software de base, métricas y aplicaciones
spellingShingle Arquitecturas multiprocesador en cómputo de altas prestaciones: software de base, métricas y aplicaciones
De Giusti, Armando Eduardo
Ciencias Informáticas
sistemas paralelos
Parallel processors
Distributed architectures
multicore
Fault tolerance
GPU
Cluster, Grid y Cloud Computing
Performance evaluation (efficiency and effectiveness)
Cluster híbridos
Perfomance y eficiencia energética
Tolerancia a fallas en Sistemas paralelos
Modelos de programación de arquitecturas paralelas
Planificación
Scheduling
virtualización
title_short Arquitecturas multiprocesador en cómputo de altas prestaciones: software de base, métricas y aplicaciones
title_full Arquitecturas multiprocesador en cómputo de altas prestaciones: software de base, métricas y aplicaciones
title_fullStr Arquitecturas multiprocesador en cómputo de altas prestaciones: software de base, métricas y aplicaciones
title_full_unstemmed Arquitecturas multiprocesador en cómputo de altas prestaciones: software de base, métricas y aplicaciones
title_sort Arquitecturas multiprocesador en cómputo de altas prestaciones: software de base, métricas y aplicaciones
dc.creator.none.fl_str_mv De Giusti, Armando Eduardo
Tinetti, Fernando Gustavo
Naiouf, Marcelo
Chichizola, Franco
De Giusti, Laura Cristina
Villagarcía Wanza, Horacio A.
Montezanti, Diego Miguel
Frati, Fernando Emmanuel
Pousa, Adrián
Rodriguez, Ismael Pablo
Rodriguez Eguren, Sebastián
Denham, Mónica Malén
Iglesias, Luciano
Méndez, Mariano
author De Giusti, Armando Eduardo
author_facet De Giusti, Armando Eduardo
Tinetti, Fernando Gustavo
Naiouf, Marcelo
Chichizola, Franco
De Giusti, Laura Cristina
Villagarcía Wanza, Horacio A.
Montezanti, Diego Miguel
Frati, Fernando Emmanuel
Pousa, Adrián
Rodriguez, Ismael Pablo
Rodriguez Eguren, Sebastián
Denham, Mónica Malén
Iglesias, Luciano
Méndez, Mariano
author_role author
author2 Tinetti, Fernando Gustavo
Naiouf, Marcelo
Chichizola, Franco
De Giusti, Laura Cristina
Villagarcía Wanza, Horacio A.
Montezanti, Diego Miguel
Frati, Fernando Emmanuel
Pousa, Adrián
Rodriguez, Ismael Pablo
Rodriguez Eguren, Sebastián
Denham, Mónica Malén
Iglesias, Luciano
Méndez, Mariano
author2_role author
author
author
author
author
author
author
author
author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
sistemas paralelos
Parallel processors
Distributed architectures
multicore
Fault tolerance
GPU
Cluster, Grid y Cloud Computing
Performance evaluation (efficiency and effectiveness)
Cluster híbridos
Perfomance y eficiencia energética
Tolerancia a fallas en Sistemas paralelos
Modelos de programación de arquitecturas paralelas
Planificación
Scheduling
virtualización
topic Ciencias Informáticas
sistemas paralelos
Parallel processors
Distributed architectures
multicore
Fault tolerance
GPU
Cluster, Grid y Cloud Computing
Performance evaluation (efficiency and effectiveness)
Cluster híbridos
Perfomance y eficiencia energética
Tolerancia a fallas en Sistemas paralelos
Modelos de programación de arquitecturas paralelas
Planificación
Scheduling
virtualización
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 y GPUs), con el objetivo de modelizarlas, estudiar su escalabilidad, analizar y predecir performance de aplicaciones paralelas y desarrollar esquemas de 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. En particular estudiar perfomance en Clusters “híbridos”. Analizar la eficiencia energética en estas arquitecturas paralelas, considerando el impacto de la arquitectura, el sistema operativo, el modelo de programación y el algoritmo específico. Analizar y desarrollar software de base para clusters de multicores y GPUs, tratando de optimizar el rendimiento. En el año 2013 se han incorporado nuevas líneas de interés: - El desarrollo de aplicaciones sobre Cloud y en particular las aplicaciones de Big Data en Cloud. - La utilización de los registros de hardware de los procesadores para la toma de diferentes decisiones en tiempo de ejecución. - El desarrollo de herramientas para la transformación de código heredado, buscando su optimización sobre arquitecturas paralelas. Es de hacer notar que este proyecto se coordina con otros proyectos en curso en el III-LIDI, relacionados con Algoritmos Paralelos, Sistemas Distribuidos y Sistemas de Tiempo Real.
Eje: Procesamiento Distribuido y Paralelo
Red de Universidades con Carreras en Informática (RedUNCI)
description Caracterizar las arquitecturas multiprocesador distribuidas enfocadas especialmente a cluster y cloud computing, con énfasis en las que utilizan procesadores de múltiples núcleos (multicores y GPUs), con el objetivo de modelizarlas, estudiar su escalabilidad, analizar y predecir performance de aplicaciones paralelas y desarrollar esquemas de 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. En particular estudiar perfomance en Clusters “híbridos”. Analizar la eficiencia energética en estas arquitecturas paralelas, considerando el impacto de la arquitectura, el sistema operativo, el modelo de programación y el algoritmo específico. Analizar y desarrollar software de base para clusters de multicores y GPUs, tratando de optimizar el rendimiento. En el año 2013 se han incorporado nuevas líneas de interés: - El desarrollo de aplicaciones sobre Cloud y en particular las aplicaciones de Big Data en Cloud. - La utilización de los registros de hardware de los procesadores para la toma de diferentes decisiones en tiempo de ejecución. - El desarrollo de herramientas para la transformación de código heredado, buscando su optimización sobre arquitecturas paralelas. Es de hacer notar que este proyecto se coordina con otros proyectos en curso en el III-LIDI, relacionados con Algoritmos Paralelos, Sistemas Distribuidos y Sistemas de Tiempo Real.
publishDate 2014
dc.date.none.fl_str_mv 2014-05
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/42793
url http://sedici.unlp.edu.ar/handle/10915/42793
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/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
dc.format.none.fl_str_mv application/pdf
706-711
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1846063981191495680
score 13.221938

Publicaciones similares