Arquitecturas multiprocesador en HPC: software, métricas, modelos 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; Encinas, Diego; Pousa, Adrián; Rodriguez, Ismael Pablo; Rodriguez Eguren, Sebastián; Iglesias, Luciano; Paniego, Juan Manuel; Pi Puig, Martín; Libutti, Leandro; Dell’Oso, Matías; Méndez, Mariano
Año de publicación
2018
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
La línea presentada en este trabajo tiene como eje central las arquitecturas paralelas para Cómputo de Altas Prestaciones, con los siguientes objetivos: - Caracterizar las arquitecturas multiprocesador orientadas a computación de alto desempeño, analizando técnicas para el desarrollo de código eficiente sobre las mismas y métricas de rendimiento computacional y energético. Principalmente teniendo en cuenta aquellas arquitecturas que son combinaciones de cluster, multicores, aceleradores (GPUs, FPGAs, Xheon Phi), placas de bajo costo (Raspberry PI, Odroid). - Estudiar la conformación de clusters y clouds a partir de configuraciones homogéneas e híbridas de multiprocesadores. Y analizar la performance de aplicaciones sobre los mismos, considerando eficiencia computacional/energética y escalabilidad, así como la tolerancia a fallos. - Analizar y desarrollar software de base para estas arquitecturas con el objetivo de optimizar 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.
Eje: Procesamiento Distribuido y Paralelo.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
sistemas paralelos
Fault tolerance
multicore
Scheduling
GPU
FPGAs
eficiencia energética
cloud computing
cluster híbridos
cloud robotics
big data
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/68229
Acceder
id SEDICI_e1bd055264f956a2b23563ebc568b4b1
oai_identifier_str oai:sedici.unlp.edu.ar:10915/68229
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Arquitecturas multiprocesador en HPC: software, métricas, modelos y aplicacionesDe Giusti, Armando EduardoTinetti, Fernando GustavoNaiouf, MarceloChichizola, FrancoDe Giusti, Laura CristinaVillagarcía Wanza, Horacio A.Montezanti, Diego MiguelEncinas, DiegoPousa, AdriánRodriguez, Ismael PabloRodriguez Eguren, SebastiánIglesias, LucianoPaniego, Juan ManuelPi Puig, MartínLibutti, LeandroDell’Oso, MatíasMéndez, MarianoCiencias Informáticassistemas paralelosFault tolerancemulticoreSchedulingGPUFPGAseficiencia energéticacloud computingcluster híbridoscloud roboticsbig dataLa línea presentada en este trabajo tiene como eje central las arquitecturas paralelas para Cómputo de Altas Prestaciones, con los siguientes objetivos: - Caracterizar las arquitecturas multiprocesador orientadas a computación de alto desempeño, analizando técnicas para el desarrollo de código eficiente sobre las mismas y métricas de rendimiento computacional y energético. Principalmente teniendo en cuenta aquellas arquitecturas que son combinaciones de cluster, multicores, aceleradores (GPUs, FPGAs, Xheon Phi), placas de bajo costo (Raspberry PI, Odroid). - Estudiar la conformación de clusters y clouds a partir de configuraciones homogéneas e híbridas de multiprocesadores. Y analizar la performance de aplicaciones sobre los mismos, considerando eficiencia computacional/energética y escalabilidad, así como la tolerancia a fallos. - Analizar y desarrollar software de base para estas arquitecturas con el objetivo de optimizar 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.Eje: Procesamiento Distribuido y Paralelo.Red de Universidades con Carreras en Informática2018-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf935-940http://sedici.unlp.edu.ar/handle/10915/68229spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-3619-27-4info:eu-repo/semantics/reference/hdl/10915/67063info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-11-05T12:50:00Zoai:sedici.unlp.edu.ar:10915/68229Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-11-05 12:50:00.568SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Arquitecturas multiprocesador en HPC: software, métricas, modelos y aplicaciones
title Arquitecturas multiprocesador en HPC: software, métricas, modelos y aplicaciones
spellingShingle Arquitecturas multiprocesador en HPC: software, métricas, modelos y aplicaciones
De Giusti, Armando Eduardo
Ciencias Informáticas
sistemas paralelos
Fault tolerance
multicore
Scheduling
GPU
FPGAs
eficiencia energética
cloud computing
cluster híbridos
cloud robotics
big data
title_short Arquitecturas multiprocesador en HPC: software, métricas, modelos y aplicaciones
title_full Arquitecturas multiprocesador en HPC: software, métricas, modelos y aplicaciones
title_fullStr Arquitecturas multiprocesador en HPC: software, métricas, modelos y aplicaciones
title_full_unstemmed Arquitecturas multiprocesador en HPC: software, métricas, modelos y aplicaciones
title_sort Arquitecturas multiprocesador en HPC: 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 Cristina
Villagarcía Wanza, Horacio A.
Montezanti, Diego Miguel
Encinas, Diego
Pousa, Adrián
Rodriguez, Ismael Pablo
Rodriguez Eguren, Sebastián
Iglesias, Luciano
Paniego, Juan Manuel
Pi Puig, Martín
Libutti, Leandro
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 Cristina
Villagarcía Wanza, Horacio A.
Montezanti, Diego Miguel
Encinas, Diego
Pousa, Adrián
Rodriguez, Ismael Pablo
Rodriguez Eguren, Sebastián
Iglesias, Luciano
Paniego, Juan Manuel
Pi Puig, Martín
Libutti, Leandro
Dell’Oso, Matías
Méndez, Mariano
author_role author
author2 Tinetti, Fernando Gustavo
Naiouf, Marcelo
Chichizola, Franco
De Giusti, Laura Cristina
Villagarcía Wanza, Horacio A.
Montezanti, Diego Miguel
Encinas, Diego
Pousa, Adrián
Rodriguez, Ismael Pablo
Rodriguez Eguren, Sebastián
Iglesias, Luciano
Paniego, Juan Manuel
Pi Puig, Martín
Libutti, Leandro
Dell’Oso, Matías
Méndez, Mariano
author2_role author
author
author
author
author
author
author
author
author
author
author
author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
sistemas paralelos
Fault tolerance
multicore
Scheduling
GPU
FPGAs
eficiencia energética
cloud computing
cluster híbridos
cloud robotics
big data
topic Ciencias Informáticas
sistemas paralelos
Fault tolerance
multicore
Scheduling
GPU
FPGAs
eficiencia energética
cloud computing
cluster híbridos
cloud robotics
big data
dc.description.none.fl_txt_mv La línea presentada en este trabajo tiene como eje central las arquitecturas paralelas para Cómputo de Altas Prestaciones, con los siguientes objetivos: - Caracterizar las arquitecturas multiprocesador orientadas a computación de alto desempeño, analizando técnicas para el desarrollo de código eficiente sobre las mismas y métricas de rendimiento computacional y energético. Principalmente teniendo en cuenta aquellas arquitecturas que son combinaciones de cluster, multicores, aceleradores (GPUs, FPGAs, Xheon Phi), placas de bajo costo (Raspberry PI, Odroid). - Estudiar la conformación de clusters y clouds a partir de configuraciones homogéneas e híbridas de multiprocesadores. Y analizar la performance de aplicaciones sobre los mismos, considerando eficiencia computacional/energética y escalabilidad, así como la tolerancia a fallos. - Analizar y desarrollar software de base para estas arquitecturas con el objetivo de optimizar 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.
Eje: Procesamiento Distribuido y Paralelo.
Red de Universidades con Carreras en Informática
description La línea presentada en este trabajo tiene como eje central las arquitecturas paralelas para Cómputo de Altas Prestaciones, con los siguientes objetivos: - Caracterizar las arquitecturas multiprocesador orientadas a computación de alto desempeño, analizando técnicas para el desarrollo de código eficiente sobre las mismas y métricas de rendimiento computacional y energético. Principalmente teniendo en cuenta aquellas arquitecturas que son combinaciones de cluster, multicores, aceleradores (GPUs, FPGAs, Xheon Phi), placas de bajo costo (Raspberry PI, Odroid). - Estudiar la conformación de clusters y clouds a partir de configuraciones homogéneas e híbridas de multiprocesadores. Y analizar la performance de aplicaciones sobre los mismos, considerando eficiencia computacional/energética y escalabilidad, así como la tolerancia a fallos. - Analizar y desarrollar software de base para estas arquitecturas con el objetivo de optimizar 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 2018
dc.date.none.fl_str_mv 2018-04
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/10915/68229
url http://sedici.unlp.edu.ar/handle/10915/68229
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-3619-27-4
info:eu-repo/semantics/reference/hdl/10915/67063
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
935-940
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_ 1847978533961334784
score 13.082534

Publicaciones similares