Optimización de algoritmos utilizando sistemas de cómputo híbridos

Con la aparición de las CPU multi-cores (o Chip-level-Multi-Processor -CMP-), es importante el desarrollo de las técnicas que exploten las ventajas de las CMP para acelerar las aplicaciones paralelas que poseen una gran demanda de cómputo paralelo. En particular, las aplicaciones que requieren de un...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Printista, Alicia Marcela, Gil Costa, Graciela Verónica, Alaniz, Marcelo, Bustos, Fabricio H.
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2011
Materias:
Ciencias Informáticas
Sistemas de computación Híbridos
Parallel
Distributed
Tecnología Multi-core
Mapping
Estrategias de búsqueda
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/19882
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-19882
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
Sistemas de computación Híbridos
Parallel
Distributed
Tecnología Multi-core
Mapping
Estrategias de búsqueda
spellingShingle Ciencias Informáticas
Sistemas de computación Híbridos
Parallel
Distributed
Tecnología Multi-core
Mapping
Estrategias de búsqueda
Printista, Alicia Marcela
Gil Costa, Graciela Verónica
Alaniz, Marcelo
Bustos, Fabricio H.
Optimización de algoritmos utilizando sistemas de cómputo híbridos
topic_facet Ciencias Informáticas
Sistemas de computación Híbridos
Parallel
Distributed
Tecnología Multi-core
Mapping
Estrategias de búsqueda
description Con la aparición de las CPU multi-cores (o Chip-level-Multi-Processor -CMP-), es importante el desarrollo de las técnicas que exploten las ventajas de las CMP para acelerar las aplicaciones paralelas que poseen una gran demanda de cómputo paralelo. En particular, las aplicaciones que requieren de un gran poder computacional de los recursos disponibles, es esencial poder desarrollar estrategias y algoritmos que aprovechen el uso adecuado del hardware. Esto es especialmente crítico cuando se consideran sistemas o aplicaciones en las que los requerimientos ingresan en intervalos variables. En este trabajo se propone el desarrollo de técnicas híbridas basadas en el uso de MPI para la comunicación entre procesadores y OpenMP para la comunicación entre cores de un mismo procesador. OpenMP ha sido desarrollado para tomar ventaja de las facilidades multithreading de los nodos CMP. En este trabajo se presentan los objetivos y los desafíos de una línea de investigación que abarca los problemas de mapping, uso adecuado de las nuevas arquitecturas de procesadores, y cómo estas nuevas arquitecturas pueden ser utilizadas para mejorar el desarrollo de algoritmos de búsqueda e indexación sobre grandes colecciones de datos como la Web.
format Objeto de conferencia
Objeto de conferencia
author Printista, Alicia Marcela
Gil Costa, Graciela Verónica
Alaniz, Marcelo
Bustos, Fabricio H.
author_facet Printista, Alicia Marcela
Gil Costa, Graciela Verónica
Alaniz, Marcelo
Bustos, Fabricio H.
author_sort Printista, Alicia Marcela
title Optimización de algoritmos utilizando sistemas de cómputo híbridos
title_short Optimización de algoritmos utilizando sistemas de cómputo híbridos
title_full Optimización de algoritmos utilizando sistemas de cómputo híbridos
title_fullStr Optimización de algoritmos utilizando sistemas de cómputo híbridos
title_full_unstemmed Optimización de algoritmos utilizando sistemas de cómputo híbridos
title_sort optimización de algoritmos utilizando sistemas de cómputo híbridos
publishDate 2011
url http://sedici.unlp.edu.ar/handle/10915/19882
work_keys_str_mv AT printistaaliciamarcela optimizaciondealgoritmosutilizandosistemasdecomputohibridos
AT gilcostagracielaveronica optimizaciondealgoritmosutilizandosistemasdecomputohibridos
AT alanizmarcelo optimizaciondealgoritmosutilizandosistemasdecomputohibridos
AT bustosfabricioh optimizaciondealgoritmosutilizandosistemasdecomputohibridos
bdutipo_str Repositorios
_version_ 1764820464786472961

Ejemplares similares