Operaciones en base de datos métricas y modelo CPU-GPU
- Autores
- Lopresti, Mariela; Piccoli, María Fabiana; Reyes, Nora Susana
- Año de publicación
- 2011
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- En la actualidad, debido a la evolución de las tecnologías de información y comunicación, tenemos la posibilidad de almacenar distintos tipos de información. Podemos encontrar, por ejemplo en la Web, docenas de billones de documentos y cientos de millones de imágenes y otros tipos de datos tales como fotografías, audio y video. Esta nueva colección de datos no estructurados admite como modelo a las bases de datos métricas. Ante la gran cantidad de información, para poder recuperar estos datos en forma rápida y eficiente han surgido distintas alternativas de optimización. Una de ellas son estructuras de indexación y algoritmos de búsquedas y otra es la optimización a través de la aplicación de técnicas de computación de alto desempeño. Los sistemas diseñados para resolver problemas específicos como los procesadores gráficos (GPU), han comenzado a ser de gran interés para desarrollar problemas de computación de proposito general ya que proveen un bandwith de memoria extremadamente alto y gran poder computacional necesarios para computación de alta performance y a un bajo costo. La línea de investigación que se propone seguir pretende evaluar la factibilidad de utilizar la GPU como computadora masivamente paralela para obtener soluciones de alto desempeño en base de datos métricas. Entre las operaciones de interés se encuentran las consultas.
Eje: Bases de datos y minería de datos
Red de Universidades con Carreras en Informática (RedUNCI) - Materia
-
Ciencias Informáticas
base de datos
base de datos métricas
Data mining
modelo CPU-GPU
operaciones - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/20045
Ver los metadatos del registro completo
id |
SEDICI_cd62e31cd18390dd3da5f4337a419c23 |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/20045 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Operaciones en base de datos métricas y modelo CPU-GPULopresti, MarielaPiccoli, María FabianaReyes, Nora SusanaCiencias Informáticasbase de datosbase de datos métricasData miningmodelo CPU-GPUoperacionesEn la actualidad, debido a la evolución de las tecnologías de información y comunicación, tenemos la posibilidad de almacenar distintos tipos de información. Podemos encontrar, por ejemplo en la Web, docenas de billones de documentos y cientos de millones de imágenes y otros tipos de datos tales como fotografías, audio y video. Esta nueva colección de datos no estructurados admite como modelo a las bases de datos métricas. Ante la gran cantidad de información, para poder recuperar estos datos en forma rápida y eficiente han surgido distintas alternativas de optimización. Una de ellas son estructuras de indexación y algoritmos de búsquedas y otra es la optimización a través de la aplicación de técnicas de computación de alto desempeño. Los sistemas diseñados para resolver problemas específicos como los procesadores gráficos (GPU), han comenzado a ser de gran interés para desarrollar problemas de computación de proposito general ya que proveen un bandwith de memoria extremadamente alto y gran poder computacional necesarios para computación de alta performance y a un bajo costo. La línea de investigación que se propone seguir pretende evaluar la factibilidad de utilizar la GPU como computadora masivamente paralela para obtener soluciones de alto desempeño en base de datos métricas. Entre las operaciones de interés se encuentran las consultas.Eje: Bases de datos y minería de datosRed de Universidades con Carreras en Informática (RedUNCI)2011-05info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf305-309http://sedici.unlp.edu.ar/handle/10915/20045spainfo:eu-repo/semantics/altIdentifier/isbn/978-950-673-892-1info: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:UNLP2025-09-29T10:54:05Zoai:sedici.unlp.edu.ar:10915/20045Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 10:54:06.236SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Operaciones en base de datos métricas y modelo CPU-GPU |
title |
Operaciones en base de datos métricas y modelo CPU-GPU |
spellingShingle |
Operaciones en base de datos métricas y modelo CPU-GPU Lopresti, Mariela Ciencias Informáticas base de datos base de datos métricas Data mining modelo CPU-GPU operaciones |
title_short |
Operaciones en base de datos métricas y modelo CPU-GPU |
title_full |
Operaciones en base de datos métricas y modelo CPU-GPU |
title_fullStr |
Operaciones en base de datos métricas y modelo CPU-GPU |
title_full_unstemmed |
Operaciones en base de datos métricas y modelo CPU-GPU |
title_sort |
Operaciones en base de datos métricas y modelo CPU-GPU |
dc.creator.none.fl_str_mv |
Lopresti, Mariela Piccoli, María Fabiana Reyes, Nora Susana |
author |
Lopresti, Mariela |
author_facet |
Lopresti, Mariela Piccoli, María Fabiana Reyes, Nora Susana |
author_role |
author |
author2 |
Piccoli, María Fabiana Reyes, Nora Susana |
author2_role |
author author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas base de datos base de datos métricas Data mining modelo CPU-GPU operaciones |
topic |
Ciencias Informáticas base de datos base de datos métricas Data mining modelo CPU-GPU operaciones |
dc.description.none.fl_txt_mv |
En la actualidad, debido a la evolución de las tecnologías de información y comunicación, tenemos la posibilidad de almacenar distintos tipos de información. Podemos encontrar, por ejemplo en la Web, docenas de billones de documentos y cientos de millones de imágenes y otros tipos de datos tales como fotografías, audio y video. Esta nueva colección de datos no estructurados admite como modelo a las bases de datos métricas. Ante la gran cantidad de información, para poder recuperar estos datos en forma rápida y eficiente han surgido distintas alternativas de optimización. Una de ellas son estructuras de indexación y algoritmos de búsquedas y otra es la optimización a través de la aplicación de técnicas de computación de alto desempeño. Los sistemas diseñados para resolver problemas específicos como los procesadores gráficos (GPU), han comenzado a ser de gran interés para desarrollar problemas de computación de proposito general ya que proveen un bandwith de memoria extremadamente alto y gran poder computacional necesarios para computación de alta performance y a un bajo costo. La línea de investigación que se propone seguir pretende evaluar la factibilidad de utilizar la GPU como computadora masivamente paralela para obtener soluciones de alto desempeño en base de datos métricas. Entre las operaciones de interés se encuentran las consultas. Eje: Bases de datos y minería de datos Red de Universidades con Carreras en Informática (RedUNCI) |
description |
En la actualidad, debido a la evolución de las tecnologías de información y comunicación, tenemos la posibilidad de almacenar distintos tipos de información. Podemos encontrar, por ejemplo en la Web, docenas de billones de documentos y cientos de millones de imágenes y otros tipos de datos tales como fotografías, audio y video. Esta nueva colección de datos no estructurados admite como modelo a las bases de datos métricas. Ante la gran cantidad de información, para poder recuperar estos datos en forma rápida y eficiente han surgido distintas alternativas de optimización. Una de ellas son estructuras de indexación y algoritmos de búsquedas y otra es la optimización a través de la aplicación de técnicas de computación de alto desempeño. Los sistemas diseñados para resolver problemas específicos como los procesadores gráficos (GPU), han comenzado a ser de gran interés para desarrollar problemas de computación de proposito general ya que proveen un bandwith de memoria extremadamente alto y gran poder computacional necesarios para computación de alta performance y a un bajo costo. La línea de investigación que se propone seguir pretende evaluar la factibilidad de utilizar la GPU como computadora masivamente paralela para obtener soluciones de alto desempeño en base de datos métricas. Entre las operaciones de interés se encuentran las consultas. |
publishDate |
2011 |
dc.date.none.fl_str_mv |
2011-05 |
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/10915/20045 |
url |
http://sedici.unlp.edu.ar/handle/10915/20045 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/isbn/978-950-673-892-1 |
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 305-309 |
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_ |
1844615798142795776 |
score |
13.070432 |