Subir material

Suba sus trabajos a SEDICI, para mejorar notoriamente su visibilidad e impacto

 

Mostrar el registro sencillo del ítem

dc.date.accessioned 2014-11-18T09:14:27Z
dc.date.available 2014-11-18T09:14:27Z
dc.date.issued 2014-05
dc.identifier.uri http://sedici.unlp.edu.ar/handle/10915/42793
dc.description.abstract 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. es
dc.format.extent 706-711 es
dc.language es es
dc.subject sistemas paralelos es
dc.subject Parallel processors es
dc.subject Distributed architectures es
dc.subject multicore es
dc.subject Fault tolerance es
dc.subject GPU es
dc.subject Cluster, Grid y Cloud Computing es
dc.subject Performance evaluation (efficiency and effectiveness) es
dc.subject Cluster híbridos es
dc.subject Perfomance y eficiencia energética es
dc.subject Tolerancia a fallas en Sistemas paralelos es
dc.subject Modelos de programación de arquitecturas paralelas es
dc.subject Planificación es
dc.subject Scheduling es
dc.subject virtualización es
dc.title Arquitecturas multiprocesador en cómputo de altas prestaciones: software de base, métricas y aplicaciones es
dc.type Objeto de conferencia es
sedici.creator.person De Giusti, Armando Eduardo es
sedici.creator.person Tinetti, Fernando Gustavo es
sedici.creator.person Naiouf, Marcelo es
sedici.creator.person Chichizola, Franco es
sedici.creator.person De Giusti, Laura Cristina es
sedici.creator.person Villagarcía Wanza, Horacio A. es
sedici.creator.person Montezanti, Diego Miguel es
sedici.creator.person Frati, Fernando Emmanuel es
sedici.creator.person Pousa, Adrián es
sedici.creator.person Rodriguez, Ismael Pablo es
sedici.creator.person Rodriguez Eguren, Sebastián es
sedici.creator.person Denham, Mónica Malén es
sedici.creator.person Iglesias, Luciano es
sedici.creator.person Méndez, Mariano es
sedici.description.note Eje: Procesamiento Distribuido y Paralelo es
sedici.subject.materias Ciencias Informáticas es
sedici.description.fulltext true es
mods.originInfo.place Red de Universidades con Carreras en Informática (RedUNCI) es
sedici.subtype Objeto de conferencia es
sedici.rights.license Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
sedici.rights.uri http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
sedici.date.exposure 2014-05
sedici.relation.event XVI Workshop de Investigadores en Ciencias de la Computación es
sedici.description.peerReview peer-review es


Descargar archivos

Este ítem aparece en la(s) siguiente(s) colección(ones)

Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5) Excepto donde se diga explícitamente, este item se publica bajo la siguiente licencia Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)