TUTORIAL: COMPUTACIÓN de ALTO DESEMPEÑO

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamaño: px
Comenzar la demostración a partir de la página:

Download "TUTORIAL: COMPUTACIÓN de ALTO DESEMPEÑO"

Transcripción

1 TUTORIAL : COMPUTACIÓN de ALTO DESEMPEÑO SERGIO NESMACHNOW Centro de Cálculo, Instituto de Computación FACULTAD DE INGENIERÍA, UNIVERSIDAD DE LA REPÚBLICA, URUGUAY

2 CONTENIDO Introducción Computadores paralelos Técnicas de programación paralela Aplicaciones Conclusiones

3 INTRODUCCIÓN Importancia de poder satisfacer los requisitos crecientes de poder de cómputo Problemas complicados. Modelos complejos. Grandes volúmenes de datos. Capacidad de respuesta en tiempo limitado (sistemas de tiempo real). Procesamiento paralelo Varios procesos cooperan para resolver problema común. Aplicación de técnicas de división de tareas o de datospara reducir el tiempo de ejecución de un proceso o una aplicación, mediante la resolución simultánea de algunos de los subproblemas generados.

4 INTRODUCCIÓN Computador paralelo Conjunto de procesadores capaces de trabajar cooperativamente en la resolución de problemas computacionales. La definición incluye un amplio espectro: supercomputadoras, procesadores masivamente paralelos (MPP), clusters, etc. Característica fundamental: disponibilidad de múltiplesrecursos de cómputo. Computación de alto desempeño Ha dejado de ser exótica. Posibilitada por avances en diferentes tecnologías: Poder de procesamiento (microprocesadores). Redes (comunicación de datos). Desarrollo de bibliotecas e interfaces para programación.

5 EVOLUCIÓN TECNOLÓGICA Collosus 2 (UK), primer computador paralelo: op/s ZuseZ1 (Ale), primer computador mecánico: 1 op/s. ENIAC (USA), op/s. IBM NORC (Columbia U, USA), relojde 1 µs., op/s IBM 7030 Stretch (LANL, USA), 1.2 MFLOPS.

6 EVOLUCIÓN TECNOLÓGICA M-13 (Nauchno-Issledovatesky Institute Vychislitelnyh Kompleksov, URSS): 2.4 GFLOPS 1985 Intel ASCI Red/9152 (Sandia NL, USA): TFLOPS Cray-2/8 (LANL, USA): 3.9 GFLOPS Roadrunner (LANL, USA): PFLOPS

7 EVOLUCIÓN TECNOLÓGICA Similar comportamiento para los indicadores de desempeño. Poder de cómputo. Frecuencia de relojes. Densidad de circuitos en chips de procesadores. Capacidad de almacenamiento secundario. Capacidad de transmisión por bus/red. Siguen un comportamiento exponencial, con diferentes pendientes.

8 EVOLUCIÓN TECNOLÓGICA Noviembre de 2011: K computer (RIKEN Advance Institute for Computational Science, Japón) Pico de desempeñoreal (LINPACK): 10.5 petaflops( operacionesde punto flotante por segundo) Pico teórico: 11.3 petaflop/s. Fujistsucluster SPARC64 VIIIfx procesadores 2.0 GHz, 8-core terabytes de memoria núcleos de procesamiento. Red de interconexión de seis dimensiones, interfaz basada en Open MPI. Sistema operativo basado en Linux. File system paralelo basado en Lustre, optimizado para escalar hasta varios cientos de petabytes.

9 EVOLUCIÓN TECNOLÓGICA Kei

10 EVOLUCIÓN TECNOLÓGICA: ARQUITECTURAS

11 EVOLUCIÓN TECNOLÓGICA: SISTEMAS OPERATIVOS

12 INFRAESTRUCTURA La tecnología ha avanzado, permitiendo disponer de máquinas paralelas caseras. Clusters de computadores de bajo costo. Internet surge como una fuente potencial de recursos de computación ilimitados. Se ha desarrollando la tecnología grid(y recientemente cloud): Permiten compartir recursos informáticos (locales o remotos) como si fueran parte de un único computador. Brinda capacidad de gestionar y distribuir la potencia de cálculo disponible en instituciones (investigación, empresas, etc.) Empresas e investigadores trabajan en diseño de soluciones tecnológicas en este sentido. Estas alternativas constituyen opciones realistas para disponer de la capacidad de cómputo para resolver problemas en los entornos académicos, industriales y empresariales, a bajo costo.

13 EL CLUSTER FING Infraestructura de cómputo de alto desempeño de la Facultad de Ingeniería 1364núcleos de procesamiento (404 de CPU y 960 de GPU)

14 CLUSTER FING

15 LOS PROBLEMAS TAMBIÉN CRECEN Requerimientos computacionales de problemas complejos.

16 PROCESAMIENTO PARALELO En este contexto se ha desarrollado activamente la computación paralela: Basado en el estudio en Universidades e Institutos. Aplicado directamente en la industria, organismos científicos y las empresas. Computación paralela: A nivel de instrucciones (pipeline). Paralelismo a través de hilos (multithreading). Paralelismo de alto nivel: Sobre supercomputadores Sobre máquinas paralelas de bajo costo Computación paralela de alto nivel: Varios procesos en ejecución simultánea cooperan para resolver un problema común

17 PROCESAMIENTO DISTRIBUIDO El desarrollo de las redes de computadoras ha permitido el procesamiento distribuido. Clusters distribuidos, grid computing y cloud computing. Conceptos Procesadores independientes, con autonomía de procesamiento. Interconexión mediante redes. Cooperación para lograr un objetivo global. Datos compartidos: varios repositorios de datos. Sincronización y comunicación: En general a través del pasaje explícito de mensajes.

18 OBJETIVOS DE LA PROGRAMACIÓN PARALELA La computación paralela tiene como principal objetivo la resolución eficientede instancias de grandes dimensiones de problemas complejos. Además, desde el punto de vista del usuario, la computación paralela debe proveer: Transparencia de la arquitectura y de los mecanismos de interconexión. Simplicidad de uso y confiabilidad. Manejo de excepciones y tolerancia a fallos. Mecanismos para asegurar la portabilidad y la ejecución en entornos heterogéneos. Soporte para lenguajes tradicionales de alto nivel.

19 TÉCNICAS DE PROGRAMACIÓN PARALELA Las técnicas de programación paralela aplican estrategias de DESCOMPOSICIÓNo PARTICIONAMIENTOde datos y de cómputo, para dividir un problema en subproblemas de menor complejidad. El objetivo primario de la descomposición será dividir en forma equitativatanto los cálculos asociados con el problema como los datos sobre los cuales opera el algoritmo. Según se enfoque principalmente en la descomposición de datos o de tareas, resulta una técnica diferente de programación paralela. Las técnicas más difundidas son las de descomposición de dominio y descomposición funcional.

20 DESCOMPOSICIÓN DE DOMINIO Se concentra en particionar los datos del problema Dividiéndolos en piezas de (aproximadamente) el mismo tamaño Luego se dividen los cálculos a realizar Los datos a dividir pueden ser: La entrada del programa La salida calculada por el programa Datos intermedios calculados por el programa No existe una regla general para realizar la división de datos, existen algunas sugerencias dadas por: La estructura o geometría del problema La idea de concentrarse primero en las estructuras de datos más grandes o las accedidas con mayor frecuencia

21 DESCOMPOSICIÓN DE DOMINIO

22 DESCOMPOSICIÓN DE DOMINIO MODELO DE PROGRAMA, PROCESAMIENTO SINCRÓNICO 1. - Cargar programa 2. - Broadcast de Instrucción Host o Nodo Intermedio Cargar un Par de datos tiempo1 Multiplicar... tiempo2 tiempo1 Nodo 1 Cargar A, B Nodo2 Cargar C, D Nodo 3 Cargar E, F tiempo2 A = A x B. C = C x D. Los nodos reciben y ejecutan E = E x F.

23 DESCOMPOSICIÓN DE DOMINIO MODELO DE PROGRAMA, PROCESAMIENTO ASINCRÓNICO Distribuir datos Calcular Calcular Calcular Calcular Comunicar/sincronizar Comunicar/sincronizar Calcular Calcular Comunicar/sincronizar Calcular Comunicar/sincronizar Calcular Recolectar resultados

24 DESCOMPOSICIÓN DE DOMINIO MODELO DE PROGRAMA, PROCESAMIENTO ASINCRÓNICO Un mismo programa se ejecuta sobre diferentes conjuntos de datos Nodo 1 Conseguir datos if... positivo Hacer algo if... negativo Hacer otra cosa if... es cero Hacer una tercer cosa Nodo 2 Conseguir datos if... positivo Hacer algo if... negativo Hacer otra cosa if... es cero Hacer una tercer cosa Nodo 3 Conseguir datos if... positivo Hacer algo if... negativo Hacer otra cosa if... es cero Hacer una tercer cosa - Todos Todos los nodos los nodos ejecutan ejecutan el mismo el mismo programa, programa, pero pero no las no mismas necesariamente instrucciones las mismas instrucciones.

25 EJEMPLO: Procesamiento distribuido en Internet. Objetivos: Búsqueda de indicios de inteligencia extraterrestre. Demostración práctica de la utilidad de la computación distribuida. Lanzado en 1999, precursor de más de 100 proyectos científicos en el área. 6 millones de participantes, 3 millones de hosts, 800 TFLOPS. Más de 2 millones de años de cómputo.

26 DESCOMPOSICIÓN DE DOMINIO Distribuir datos Calcular Enviar resultados Calcular Enviar resultados Calcular Enviar resultados Calcular Enviar resultados Recolectar resultados

27 DESCOMPOSICIÓN FUNCIONAL Se concentra en particionar las operaciones del problema Se trata de dividir el procesamiento en tareas disjuntas Luego se examinan los datos a utilizar por las tareas definidas Caso típico: Distribuir código para asociar requerimientos a recursos locales Cada tarea trabaja temporalmente con sus datos locales, pero se requiere comunicación para lograr la cooperación set de instrucciones del problema tarea 1 tarea 2 tarea 3 tarea 4

28 DESCOMPOSICIÓN FUNCIONAL Programa principal Inicialización Ejecutar sección secuencial Configurar segmentos paralelos Bifurcar segmentos paralelos Segmento paralelo 1 Segmento paralelo 2 Segmento paralelo 3 Ejecutar una rutina independiente Iniciar/recibir comunicaciones Ejecutar una rutina independiente Iniciar/recibir comunicaciones Ejecutar una rutina independiente Iniciar/recibir comunicaciones Esperar finalización de segmentos paralelos Recibir resultados y combinarlos

29 PARALELISMO OPTIMISTA Realizar operaciones adicionales previendo que deban ser ejecutadas en el futuro (look-ahead execution) Bajo la hipótesis de que hay recursos disponibles para ejecutarlas. if condicion then Funcion1() else endif Funcion2() Evaluar Función1() y Funcion2() de antemano, independientemente del valor de la condición. Típico en aplicaciones de tiempo real. Ejemplo : sistemas que requieren conexión, cajeros automáticos. Típico mecanismo para proveer tolerancia a fallos. En aplicaciones distribuidas en Internet.

30 MODELOS HÍBRIDOS Incluyen dos o más tipos de programación paralela para la resolución de una misma aplicación. Comúnmente utilizados en programas paralelos distribuidos en Internet (donde existe la posibilidad de disponer de recursos ociosos adicionales). Combina una estrategia tradicional con el paralelismo optimista, para mejorar la eficiencia o proveer tolerancia a fallos. Las principales ventajas son eficiencia y robustez, aunque el manejo de los distintos modelos de paralelismo puede incluir complejidades adicionales.

31 IMPLEMENTACIÓN Existen lenguajes y bibliotecas que permiten desarrollar programas paralelos en alto nivel Proveen abstracción del computador paralelo subyacente Permiten implementar la cooperación de varios procesos para resolver el problema común Proveen primitivas/funciones para sincronización de procesos, comunicación de datos, etc. Proporcionan diversos mecanismos para implementar tolerancia a fallos y excepciones. Dan soporte para asegurar la portabilidad y garantizar la ejecución en entornos paralelos heterogéneos.

32 APLICACIONES de la COMPUTACIÓN de ALTO DESEMPEÑO Amplia aplicabilidad en problemas científicos. Industriales. Química y bioingeniería. Estudio de estructuras moleculares, simulación de reacciones, espectroscopía. Fluidodinámica. Análisis de flujos, turbulencias y simulaciones. Mecánica Industrial Diseño asistido. Modelos de elementos finitos. Medicina Estudio del genoma, medicina farmacéutica, radioterapia. Electromagnetismo Diseño de dispositivos de grabación, instrumentos médicos, tubos de rayos X, pantallas planas.

33 APLICACIONES de la COMPUTACIÓN de ALTO DESEMPEÑO Comerciales Telecomunicaciones Análisis de tráfico, desempeño y calidad de servicio. Redes de control inteligentes. Comercio electrónico Manejo transaccional en línea. Servicios web. Buscadores paralelos (metabuscadores). Sistemas de tiempo real. Bases de datos paralelas. Análisis de datos. Data mining. Análisis de mercado, series temporales, etc.

34 COMPUTACIÓN de ALTO DESEMPEÑO Curso de grado, posgrado y actualización, Facultad de Ingeniería Dictado ininterrumpidamente desde 1993 Solo tiene como requisitos previos conocimientos básicos de computación Amplia gama de asistentes, de varias Facultades, empresas, etc. Dictado en el segundo semestre de cada año. Detalles en:

35 GRACIAS POR SU ATENCIÓN FACULTAD DE INGENIERÍA, UNIVERSIDAD DE LA REPÚBLICA, URUGUAY

CLUSTER FING: PARALELISMO de MEMORIA DISTRIBUIDA

CLUSTER FING: PARALELISMO de MEMORIA DISTRIBUIDA CLUSTER FING: PARALELISMO de MEMORIA DISTRIBUIDA SERGIO NESMACHNOW Centro de Cálculo, Instituto de Computación FACULTAD DE INGENIERÍA, UNIVERSIDAD DE LA REPÚBLICA, URUGUAY CONTENIDO Introducción: arquitecturas

Más detalles

EL CLUSTER FING: COMPUTACIÓN DE ALTO DESEMPEÑO EN FACULTAD DE INGENIERÍA

EL CLUSTER FING: COMPUTACIÓN DE ALTO DESEMPEÑO EN FACULTAD DE INGENIERÍA EL CLUSTER FING: COMPUTACIÓN DE ALTO DESEMPEÑO EN FACULTAD DE INGENIERÍA SERGIO NESMACHNOW Centro de Cálculo, Instituto de Computación FACULTAD DE INGENIERÍA, UNIVERSIDAD DE LA REPÚBLICA, URUGUAY EL CLUSTER

Más detalles

CLUSTER FING: ARQUITECTURA Y APLICACIONES

CLUSTER FING: ARQUITECTURA Y APLICACIONES CLUSTER FING: ARQUITECTURA Y APLICACIONES SERGIO NESMACHNOW Centro de Cálculo, Instituto de Computación FACULTAD DE INGENIERÍA, UNIVERSIDAD DE LA REPÚBLICA, URUGUAY CONTENIDO Introducción Clusters Cluster

Más detalles

GPU IMPLEMENTATIONS OF SCHEDULING HEURISTICS FOR HETEROGENEOUS COMPUTING ENVIRONMENTS

GPU IMPLEMENTATIONS OF SCHEDULING HEURISTICS FOR HETEROGENEOUS COMPUTING ENVIRONMENTS GPU IMPLEMENTATIONS OF SCHEDULING HEURISTICS FOR HETEROGENEOUS COMPUTING ENVIRONMENTS MAURO CANABÉ SERGIO NESMACHNOW Centro de Cálculo, Facultad de Ingeniería Universidad de la República, Uruguay GPU IMPLEMENTATIONS

Más detalles

Nicolás Zarco Arquitectura Avanzada 2 Cuatrimestre 2011

Nicolás Zarco Arquitectura Avanzada 2 Cuatrimestre 2011 Clusters Nicolás Zarco Arquitectura Avanzada 2 Cuatrimestre 2011 Introducción Aplicaciones que requieren: Grandes capacidades de cómputo: Física de partículas, aerodinámica, genómica, etc. Tradicionalmente

Más detalles

4. Programación Paralela

4. Programación Paralela 4. Programación Paralela La necesidad que surge para resolver problemas que requieren tiempo elevado de cómputo origina lo que hoy se conoce como computación paralela. Mediante el uso concurrente de varios

Más detalles

PROGRAMACIÓN MULTITHREADING

PROGRAMACIÓN MULTITHREADING ECAR 2012 PROGRAMACIÓN MULTITHREADING 1 INTRODUCCIÓN PROGRAMACIÓN MULTITHREADING Sergio Nesmachnow (sergion@fing.edu.uy) Gerardo Ares (gares@fing.edu.uy) Escuela de Computación de Alto Rendimiento (ECAR

Más detalles

:Arquitecturas Paralela basada en clusters.

:Arquitecturas Paralela basada en clusters. Computación de altas prestaciones: Arquitecturas basadas en clusters Sesión n 1 :Arquitecturas Paralela basada en clusters. Jose Luis Bosque 1 Introducción Computación de altas prestaciones: resolver problemas

Más detalles

FUNDAMENTOS DE COMPUTACIÓN PARA CIENTÍFICOS. CNCA Abril 2013

FUNDAMENTOS DE COMPUTACIÓN PARA CIENTÍFICOS. CNCA Abril 2013 FUNDAMENTOS DE COMPUTACIÓN PARA CIENTÍFICOS CNCA Abril 2013 6. COMPUTACIÓN DE ALTO RENDIMIENTO Ricardo Román DEFINICIÓN High Performance Computing - Computación de Alto Rendimiento Técnicas, investigación

Más detalles

Introducción. TEMA 3: Clusters de Computadores Personales

Introducción. TEMA 3: Clusters de Computadores Personales Introducción TEMA 3: Clusters de Computadores Personales Laboratorio de Arquitecturas Avanzadas de Computadores 5º de Ingeniería Superior de Informática 2008/09 Alberto Sánchez alberto.sanchez@urjc.es

Más detalles

Computacion de Alto Performance

Computacion de Alto Performance Computacion de Alto Performance Abraham Zamudio Abraham Zamudio Computacion de Alto Performance 1/47 Indice 1 Algunos Aspectos Teoricos 2 Paralelismo Computacional 3 Linux Cluster Hardware Software 4 MPICH

Más detalles

Organización del Computador 1. Máquina de von Neumann Jerarquía de Niveles

Organización del Computador 1. Máquina de von Neumann Jerarquía de Niveles Organización del Computador 1 Máquina de von Neumann Jerarquía de Niveles Inicios de la computación Turing y Church sientan las bases teóricas de la computación Máquina de Turing Máquina teórica compuesta

Más detalles

Soluciones para entornos HPC

Soluciones para entornos HPC Dr.. IT Manager / Project Leader @ CETA-Ciemat abelfrancisco.paz@ciemat.es V Jornadas de Supercomputación y Avances en Tecnología INDICE 1 2 3 4 HPC Qué? Cómo?..................... Computación (GPGPU,

Más detalles

5. MODELOS DE CLIENTE Y SERVIDOR ORIENTADOS A AGENTES MÓVILES

5. MODELOS DE CLIENTE Y SERVIDOR ORIENTADOS A AGENTES MÓVILES SISTEMAS DISTRIBUIDOS DE REDES 5. MODELOS DE CLIENTE Y SERVIDOR ORIENTADOS A AGENTES MÓVILES Programación remota: Introducción y generalidades INTRODUCCIÓN Debido a la dificultad de la arquitectura actual

Más detalles

DESARROLLO DE UN MINICLUSTER DE LINUX COMO UNA SOLUCION TECNOLOGICA PARA LAS MIPYMES

DESARROLLO DE UN MINICLUSTER DE LINUX COMO UNA SOLUCION TECNOLOGICA PARA LAS MIPYMES DESARROLLO DE UN MINICLUSTER DE LINUX COMO UNA SOLUCION TECNOLOGICA PARA LAS MIPYMES Autores: Alicia Guadalupe Valdez Menchaca Facultad de Ingeniería Mecánica y Eléctrica Monclova, Coahuila, 25750, México

Más detalles

Unidad 1: Conceptos generales de Sistemas Operativos.

Unidad 1: Conceptos generales de Sistemas Operativos. Unidad 1: Conceptos generales de Sistemas Operativos. Tema 1: Introducción: 1.1 Introducción: Qué es un sistema operativo?. 1.2 Conceptos clave de un sistema operativo. 1.3 El sistema operativo como administrador

Más detalles

FUNDAMENTOS, ESTRUCTURA Y PROGRAMACIÓN DE LOS PROCESADORES DIGITALES DE SEÑAL. FAMILIA TMS320C3X DE TEXAS INSTRUMENTS.

FUNDAMENTOS, ESTRUCTURA Y PROGRAMACIÓN DE LOS PROCESADORES DIGITALES DE SEÑAL. FAMILIA TMS320C3X DE TEXAS INSTRUMENTS. FUNDAMENTOS, ESTRUCTURA Y PROGRAMACIÓN DE LOS PROCESADORES DIGITALES DE SEÑAL. FAMILIA TMS320C3X DE TEXAS INSTRUMENTS. Sergio Gallardo, Javier Lillo, Sergio Toral, Federico Barrero Universidad de Sevilla.

Más detalles

Javier Pérez Mato µp para Comunicaciones Curso 2008/09 ETSIT - ULPGC

Javier Pérez Mato µp para Comunicaciones Curso 2008/09 ETSIT - ULPGC Javier Pérez Mato µp para Comunicaciones Curso 2008/09 ETSIT - ULPGC INTRODUCCIÓN HPC: High Performance Computer System Qué es un supercomputador? Computador diseñado para ofrecer la mayor capacidad de

Más detalles

Abstracciones del computador y la Tecnología

Abstracciones del computador y la Tecnología Abstracciones del computador y la Tecnología Progreso en la tecnología de computadores Respaldado por la ley de Moore Hacer posibles las nuevas aplicaciones Computadores de los automóviles Teléfonos celulares

Más detalles

Intel Tera-Scale Computing Alumno: Roberto Rodriguez Alcala

Intel Tera-Scale Computing Alumno: Roberto Rodriguez Alcala Intel Tera-Scale Computing Alumno: Roberto Rodriguez Alcala 1. Introducción Los procesadores con dos núcleos existen actualmente, y los procesadores de cuatro están insertándose en el mercado lentamente,

Más detalles

TRES PREGUNTAS SOBRE El Supercomputador ALTAMIRA Abierto a la Innovación

TRES PREGUNTAS SOBRE El Supercomputador ALTAMIRA Abierto a la Innovación TRES PREGUNTAS SOBRE El Abierto a la Innovación P1: Qué es un supercomputador? SUPERCOMPUTADOR: Muy alta velocidad de cálculo Ranking mundial: Top500 #1 mundial (USA): 16 Peta flops Se construye conectando

Más detalles

www.bsc.es RECURSOS SUPERCOMPUTACIÓN BSC- CNS RES PRACE

www.bsc.es RECURSOS SUPERCOMPUTACIÓN BSC- CNS RES PRACE www.bsc.es RECURSOS SUPERCOMPUTACIÓN CNS RES PRACE BSC- + Equipos + Capacidad TIER 0 Centros europeos TIER 1 Centros nacionales TIER 2 Centros regionales y universidades 2 BARCELONA SUPERCOMPUTING CENTER

Más detalles

Computación paralela y distribuida

Computación paralela y distribuida Computación paralela y distribuida MSC-0302 Nombre de la asignatura: Computación paralela y distribuida Línea de trabajo: Tecnologías web Tiempo de dedicación del estudiante a las actividades de: DOC TIS

Más detalles

Algunos problemas de ambientes distribuidos. Passwords so bre LAN viajan en texto claro. Pueden ser interceptados o descubiertos

Algunos problemas de ambientes distribuidos. Passwords so bre LAN viajan en texto claro. Pueden ser interceptados o descubiertos ITESM- CEM MCC Sistemas Distribuidos Ambientes DCE Erika MATA SANCHEZ emata@itesm.mx Septiembre 2007 Introducción Algunos problemas de ambientes distribuidos Passwords so bre LAN viajan en texto claro

Más detalles

Creación de un Cluster de Linux utilizando Knoppix

Creación de un Cluster de Linux utilizando Knoppix Creación de un Cluster de Linux utilizando Knoppix Autores: Alicia Guadalupe Valdez Menchaca Maestra en Tecnologías de Información Facultad de Ingeniería Mecánica y Eléctrica Universidad Autónoma de Coahuila

Más detalles

HPC en Uruguay: pasado, presente y futuro

HPC en Uruguay: pasado, presente y futuro Tercer Encuentro Nacional de Computación de Alto Rendimiento para Aplicaciones Científicas HPC en Uruguay: pasado, presente y futuro Sergio Nesmachnow Universidad de la República WHPC14, Córdoba, Argentina,

Más detalles

Computación Científica en Paralelo

Computación Científica en Paralelo Computación Científica en Paralelo Luis Miguel de la Cruz luiggix@gmail.com www.dci.dgsca.unam.mx/luiggi Unidad de Investigación en Cómputo Aplicado DGSCA-UNAM. Posgrado en Ciencia e Ingeniería de la Computación

Más detalles

Introducción Componentes Básicos Concurrencia y Paralelismo Ejemplos Síntesis Lecturas Recomendadas. Arquitectura de Computadoras

Introducción Componentes Básicos Concurrencia y Paralelismo Ejemplos Síntesis Lecturas Recomendadas. Arquitectura de Computadoras Arquitectura de Computadoras Contenidos 1 Introducción Computadora Arquitectura Partes de una arquitectura 2 Componentes Básicos CPU Jerarquía de Memoria 3 Concurrencia y Paralelismo Arquitecturas concurrentes

Más detalles

Unidad 1: Conceptos generales de Sistemas Operativos.

Unidad 1: Conceptos generales de Sistemas Operativos. Unidad 1: Conceptos generales de Sistemas Operativos. Tema 3: Estructura del sistema operativo. 3.1 Componentes del sistema. 3.2 Servicios del sistema operativo. 3.3 Llamadas al sistema. 3.4 Programas

Más detalles

Competencias generales vinculadas a los distintos módulos Módulo de Formación Básica

Competencias generales vinculadas a los distintos módulos Módulo de Formación Básica Competencias generales vinculadas a los distintos módulos Módulo de Formación Básica C1. Capacidad para la resolución de los problemas matemáticos que puedan plantearse en la ingeniería. Aptitud para aplicar

Más detalles

Mgter. Alejandro Ramos

Mgter. Alejandro Ramos Mgter. Alejandro Ramos Servidores Centralizados de Ficheros. Sistemas de Base de Datos. Sistemas Distribuidos. Evolución de la Tecnología Cliente Servidor 1 2 3 4 5 1982 1986 1990 1995 1995 - actualmente

Más detalles

Servicios avanzados de supercomputación para la ciència y la ingeniería

Servicios avanzados de supercomputación para la ciència y la ingeniería Servicios avanzados de supercomputación para la ciència y la ingeniería Servicios avanzados de supercomputación para la ciència y la ingeniería HPCNow! provee a sus clientes de la tecnología y soluciones

Más detalles

Ingeniero en Informática

Ingeniero en Informática UNIVERSIDAD DE ALMERÍA Ingeniero en Informática CLÚSTER DE ALTO RENDIMIENTO EN UN CLOUD: EJEMPLO DE APLICACIÓN EN CRIPTOANÁLISIS DE FUNCIONES HASH Autor Directores ÍNDICE 1. Introducción 2. Elastic Cluster

Más detalles

Tipos de comunicación La comunicación puede ser:

Tipos de comunicación La comunicación puede ser: Unidad 3. Procesos concurrentes 3.3 Semáforos (informática) Un semáforo es una variable especial (o tipo abstracto de datos) que constituye el método clásico para restringir o permitir el acceso a recursos

Más detalles

UAEM 2015, Estado de México

UAEM 2015, Estado de México CONSTRUCCIÓN DE CLUSTERS Fernando Robles Morales Ins/tuto Nacional de Medicina Genómica Enrique Cruz Mar

Más detalles

Capítulo 5: Comparación con ScaLAPACK

Capítulo 5: Comparación con ScaLAPACK Capítulo 5: Comparación con ScaLAPACK En este capítulo se presentan dos aspectos importantes en cuanto a la validez y utilización de los aportes de esta tesis: 1) Aplicación de los principios de paralelización

Más detalles

Tema 1. Introducción a los Sistemas Paralelos y a la Programación Paralela

Tema 1. Introducción a los Sistemas Paralelos y a la Programación Paralela Tema 1. Introducción a los Sistemas Paralelos y a la Programación Paralela Programación Paralela Depto. de Lenguajes y Sistemas Informáticos Universidad de Granada Contenidos 1. Motivación y aspectos de

Más detalles

Dr.-Ing. Paola Vega Castillo

Dr.-Ing. Paola Vega Castillo EL-3310 DISEÑO O DE SISTEMAS DIGITALES Dr.-Ing. Paola Vega Castillo Información n General Curso: Diseño de Sistemas Digitales Código: EL-3310 Tipo de curso: Teórico Créditos/Horas por semana: 4/4 Requisito:

Más detalles

Módulo: Modelos de programación para Big Data

Módulo: Modelos de programación para Big Data Program. paralela/distribuida Módulo: Modelos de programación para Big Data (título original: Entornos de programación paralela basados en modelos/paradigmas) Fernando Pérez Costoya Introducción Big Data

Más detalles

CLUSTERS. Antonio Antiñolo Navas ESI-UCLM. Antonio.Antinolo@uclm.es. Profesor: Serafín Benito Santos. Arquitectura e Ingeniería de Computadores

CLUSTERS. Antonio Antiñolo Navas ESI-UCLM. Antonio.Antinolo@uclm.es. Profesor: Serafín Benito Santos. Arquitectura e Ingeniería de Computadores CLUSTERS Antonio Antiñolo Navas Antonio.Antinolo@uclm.es 1 Arquitectura e Ingeniería de Computadores Profesor: Serafín Benito Santos ESI-UCLM Índice 1. Introducción. 2. Clasificación. 3. Ventajas y Desventajas.

Más detalles

Supercomputación Tendencias

Supercomputación Tendencias Supercomputación Tendencias Isidro Cano HPC Mgr. HP Iberia Modelos de uso de recursos informáticos: Ordenador Personal Servidor departamental Centro de Cálculo local Cloud Computing Externalización de

Más detalles

Las TIC y la Supercomputacion en la Universitat de Valencia

Las TIC y la Supercomputacion en la Universitat de Valencia V Jornadas Usuarios de la RES Universitat de Valencia 26 octubre 2011 Las TIC y la Supercomputacion en la Universitat de Valencia Servei d Informatica El Servei d Informatica en la UV: organizacion Gobierno

Más detalles

Unidad I Fundamentos de Sistemas Distribuidos. M.C. Juan Carlos Olivares Rojas

Unidad I Fundamentos de Sistemas Distribuidos. M.C. Juan Carlos Olivares Rojas Unidad I Fundamentos de Sistemas Distribuidos M.C. Juan Carlos Olivares Rojas Temario 1.1. Características de un sistema distribuido 1.2. Objetivos de los sistemas distribuidos 1.3. Ventajas y desventajas

Más detalles

UNA NUEVA GENERACIÓN: HÍBRIDOS CPU/GPU. Microprocesadores para Comunicaciones. Paloma Monzón Rodríguez 42217126M

UNA NUEVA GENERACIÓN: HÍBRIDOS CPU/GPU. Microprocesadores para Comunicaciones. Paloma Monzón Rodríguez 42217126M UNA NUEVA GENERACIÓN: HÍBRIDOS CPU/GPU Microprocesadores para Comunicaciones 2010 Paloma Monzón Rodríguez 42217126M Índice 1. Introducción... 3 2. Unidad Central de Procesamiento (CPU)... 4 Arquitectura

Más detalles

Programación híbrida en arquitecturas cluster de multicore. Escalabilidad y comparación con memoria compartida y pasaje de mensajes.

Programación híbrida en arquitecturas cluster de multicore. Escalabilidad y comparación con memoria compartida y pasaje de mensajes. Programación híbrida en arquitecturas cluster de multicore. Escalabilidad y comparación con memoria compartida y pasaje de mensajes. Fabiana Leibovich, Armando De Giusti, Marcelo Naiouf, Laura De Giusti,

Más detalles

El monitoreo de una variable física requiere supervisión permanente de señales que

El monitoreo de una variable física requiere supervisión permanente de señales que Capítulo 1 Marco Contextual 1.1. Formulación del problema 1.1.1. Definición del problema El monitoreo de una variable física requiere supervisión permanente de señales que varían con el tiempo. Tal información,

Más detalles

GRID COMPUTING MALLA DE ORDENADORES

GRID COMPUTING MALLA DE ORDENADORES GRID COMPUTING MALLA DE ORDENADORES Introducción Concepto Compartir potencia computacional; Aprovechamiento de ciclos de procesamiento; El Grid Computing se enmarca dentro de la tecnología de computación

Más detalles

COMPUTADORES MULTINUCLEO. Stallings W. Computer Organization and Architecture 8ed

COMPUTADORES MULTINUCLEO. Stallings W. Computer Organization and Architecture 8ed COMPUTADORES MULTINUCLEO Stallings W. Computer Organization and Architecture 8ed Computador multinucleo Un computador multinúcleocombina dos o mas procesadores (llamados núcleos) en una única pieza de

Más detalles

Agrupación en clusters de las aplicaciones de bases de datos para reducir los costos de TI Introducción

Agrupación en clusters de las aplicaciones de bases de datos para reducir los costos de TI Introducción Enero 2010 Agrupación en clusters de las aplicaciones de bases de datos para reducir los costos de TI Reorganizarse para lograr eficiencia, rendimiento y alta disponibilidad Introducción La agrupación

Más detalles

Grado en Ingeniería Informática

Grado en Ingeniería Informática Primer Curso Primer semestre ESCUELA SUPERIOR DE INGENIERÍA Chile, 1 11002-CÁDIZ Teléfono: 95 015100 Fax: 95 015101 Más información: www.uca.es/ingenieria Itinerario curricular recomendado ENSEÑANZAS Cálculo

Más detalles

Desarrollo de un cluster computacional para la compilación de. algoritmos en paralelo en el Observatorio Astronómico.

Desarrollo de un cluster computacional para la compilación de. algoritmos en paralelo en el Observatorio Astronómico. Desarrollo de un cluster computacional para la compilación de algoritmos en paralelo en el Observatorio Astronómico. John Jairo Parra Pérez Resumen Este artículo muestra cómo funciona la supercomputación

Más detalles

SERVICIOS: EXPLORACIONES EN SOA y WEB.

SERVICIOS: EXPLORACIONES EN SOA y WEB. SERVICIOS: EXPLORACIONES EN SOA y WEB. López, G. 1 ; Jeder, I 1.; Echeverría, A 1.; Grossi, M.D. 2 ; Servetto, A 2.; Fierro, P. (PhD.) 3 1. Laboratorio de Informática de Gestión - Facultad de Ingeniería.

Más detalles

Cómputo de Alto Desempeño en Intel: OSCAR, Solución en Software para Cómputo en Clusters

Cómputo de Alto Desempeño en Intel: OSCAR, Solución en Software para Cómputo en Clusters Cómputo de Alto Desempeño en Intel: OSCAR, Solución en Software para Cómputo en Clusters Jorge Figueroa Canales. jfigueroac@uxmcc2.iimas.unam.mx Maestría en Ciencia e Ingeniería de la Computación. Universidad

Más detalles

UNIVERSIDAD NACIONAL DE INGENIERÍA

UNIVERSIDAD NACIONAL DE INGENIERÍA UNIVERSIDAD NACIONAL DE INGENIERÍA Facultad de Ingeniería Industrial y de Sistemas Escuela Profesional de Ingeniería de Sistemas SÍLABO CURSO: SISTEMAS OPERATIVOS I. INFORMACIÓN GENERAL CODIGO : ST-324

Más detalles

2.3 Lenguajes de descripción: - Lenguajes de descripción hardware: VHDL, Verilog - Álgebra de Boole

2.3 Lenguajes de descripción: - Lenguajes de descripción hardware: VHDL, Verilog - Álgebra de Boole 2.1 El paradigma de un sistema digital: - Conceptos básicos sobre un computador - Evolución de la tecnología de computadores 2.2 Sistemas digitales: - Niveles de descripción - Técnicas de descripción 2.3

Más detalles

Linux Week PUCP. Computación de Alto Rendimiento en Linux. rmiguel@senamhi.gob.pe

Linux Week PUCP. Computación de Alto Rendimiento en Linux. rmiguel@senamhi.gob.pe Linux Week PUCP 2006 Computación de Alto Rendimiento en Linux Richard Miguel San Martín rmiguel@senamhi.gob.pe Agenda Computación Científica Computación Paralela High Performance Computing Grid Computing

Más detalles

Tema 2: Implementación del núcleo de un Sistema Operativo

Tema 2: Implementación del núcleo de un Sistema Operativo Tema 2: Implementación del núcleo de un Sistema Operativo 1. Sistema Operativo Unix 2. Sistema Operativo Windows (a partir de NT) Dpto. Lenguajes y Sistemas Informáticos. Universidad de Granada 1 1. Sistema

Más detalles

HP CAST IBÉRICA 2012

HP CAST IBÉRICA 2012 HP CAST IBÉRICA 2012 SERVICIOS DE NUBE PÚBLICA SOBRE ECOSISTEMAS DE SUPERCOMPUTACIÓN Ó HPC2 INTA, Torrejón de Ardoz, 2 Octubre de 2012 joseluis.gonzalez@cenits.es SERVICIOS DE NUBE PÚBLICA SOBRE ECOSISTEMAS

Más detalles

UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI

UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI NOMBRE DE LA ASIGNATURA: SUPERCÓMPUTO FECHA DE ELABORACIÓN: ENERO 2005 ÁREA DEL PLAN DE ESTUDIOS: AS ( ) AC ( ) APOBL

Más detalles

Facultad Politécnica UNA Ing. Julio Paciello juliopaciello@gmail.com

Facultad Politécnica UNA Ing. Julio Paciello juliopaciello@gmail.com Facultad Politécnica UNA Ing. Julio Paciello juliopaciello@gmail.com Contenidos Clúster de Investigación Aplicada Proyectos HPC Clúster Hadoop para tecnologías de BI Una nube privada para la Administración

Más detalles

Virtualización en procesadores multinúcleo

Virtualización en procesadores multinúcleo Virtualización en procesadores multinúcleo Francisco Triviño García ftrivino@dsi.uclm.es Becario de investigación Presente y Futuro de los Sistemas de Computación Conference title 1 Índice 1. Introducción

Más detalles

Heterogénea y Jerárquica

Heterogénea y Jerárquica Metodología de la Programación Paralela 2015-2016 Facultad Informática, Universidad de Murcia Computación Híbrida, Heterogénea y Jerárquica Contenidos 1 Sistemas 2 Paralelismo anidado 3 Programación híbrida

Más detalles

Es un software del tipo MAP-REDUCE realizada usando la librería MPI para la

Es un software del tipo MAP-REDUCE realizada usando la librería MPI para la Es un software del tipo MAP-REDUCE realizada usando la librería MPI para la ejecución de programas secuenciales de forma paralela con el requisito de no modificar los programas secuenciales. La idea fundamental

Más detalles

Arquitectura de Software

Arquitectura de Software Arquitectura de Software (Estilos Arquitectónicos) Universidad de los Andes Demián Gutierrez Mayo 2011 1 Diseño Arquitectónico Diseño Arquitectónico Arquitectura del Software Estilos Arquitectónicos Frameworks

Más detalles

INTRODUCCIÓN A LA COMPUTACION EN LA NUBE Y BIG DATA (1) Ing. Carlos Ormella Meyer

INTRODUCCIÓN A LA COMPUTACION EN LA NUBE Y BIG DATA (1) Ing. Carlos Ormella Meyer INTRODUCCIÓN A LA COMPUTACION EN LA NUBE Y BIG DATA (1) Ing. Carlos Ormella Meyer En los últimos años, el interés por la Computación en la Nube (Cloud Computing), tanto para uso personal como para negocios,

Más detalles

ATLANTE! i n f r a e s t r u c t u r a d e s u p e r C o m p u t a c i ó n G o b i e r n o d e C a n a r i a s!

ATLANTE! i n f r a e s t r u c t u r a d e s u p e r C o m p u t a c i ó n G o b i e r n o d e C a n a r i a s! ATLANTE infraestructura G o b i e r n o! de d supercomputación e C a n a r i a s! v forma parte de la estrategia del Gobierno de Canarias de poner a disposición de investigadores y empresas canarios infraestructuras

Más detalles

Arquitecturas GPU v. 2013

Arquitecturas GPU v. 2013 v. 2013 Stream Processing Similar al concepto de SIMD. Data stream procesado por kernel functions (pipelined) (no control) (local memory, no cache OJO). Data-centric model: adecuado para DSP o GPU (image,

Más detalles

TIER 0 Centros europeos. TIER 1 Centros nacionales. TIER 2 Centros regionales y universidades

TIER 0 Centros europeos. TIER 1 Centros nacionales. TIER 2 Centros regionales y universidades www.bsc.es TIER 0 Centros europeos + Capacidad TIER 1 Centros nacionales TIER 2 Centros regionales y universidades + Equipos 2 1 BARCELONA SUPERCOMPUTING CENTER 4 2 5 6 3 7 8 4 9 10 5 11 12 6 Raw Data

Más detalles

Implementación uso y distribución de aplicaciones para física de altas energías en entornos colaborativos. Umberto Cotti y Arnulfo Zepeda. 1.

Implementación uso y distribución de aplicaciones para física de altas energías en entornos colaborativos. Umberto Cotti y Arnulfo Zepeda. 1. Implementación uso y distribución de aplicaciones para física de altas energías en entornos colaborativos. Umberto Cotti y Arnulfo Zepeda 1. Resumen Se presentan los resultados del diseño y la construcción

Más detalles

TEMA 4. Unidades Funcionales del Computador

TEMA 4. Unidades Funcionales del Computador TEMA 4 Unidades Funcionales del Computador Álvarez, S., Bravo, S., Departamento de Informática y automática Universidad de Salamanca Introducción El elemento físico, electrónico o hardware de un sistema

Más detalles

Herramienta para la construcción de un cluster y la distribución de carga entre los nodos

Herramienta para la construcción de un cluster y la distribución de carga entre los nodos Herramienta para la construcción de un cluster y la distribución de carga entre los nodos Rubén A. González García 1, Gabriel Gerónimo Castillo 2 1 Universidad Juárez Autónoma de Tabasco, Av. Universidad

Más detalles

Implementación de un Cluster de Computadoras con software libre para Computación Científica en Jicamarca

Implementación de un Cluster de Computadoras con software libre para Computación Científica en Jicamarca Implementación de un Cluster de Computadoras con software libre para Computación Científica en Jicamarca A.Zamudio M. Milla Contenido de la Presentación 1 Radio Observatorio de Jicamarca 2 3 4 5 6 Índice

Más detalles

Métricas de Rendimiento

Métricas de Rendimiento Métricas de Rendimiento DISEÑO DE SISTEMAS DIGITALES EL-3310 I SEMESTRE 2008 6. RENDIMIENTO DE SISTEMAS COMPUTACIONALES (1 SEMANA) 6.1 Definición de rendimiento en términos computacionales 6.2 Medición

Más detalles

- Facilidad para el manejo de especificaciones, reglamentos y normas de obligado cumplimiento.

- Facilidad para el manejo de especificaciones, reglamentos y normas de obligado cumplimiento. Competencias generales - Capacidad para redactar, desarrollar y firmar proyectos en el ámbito de la ingeniería de telecomunicación, que tengan por objeto, según la especialidad, la concepción, el desarrollo

Más detalles

Grado en Ingeniería Informática

Grado en Ingeniería Informática Grado en Ingeniería Informática Competencias Generales y trasversales De acuerdo con la resolución del Consejo de Universidades de fecha 3 de marzo de 2009, para obtener este título de grado en ingeniería

Más detalles

Computación Científica en Paralelo

Computación Científica en Paralelo Computación Científica en Paralelo Luis Miguel de la Cruz luiggix@gmail.com www.dci.dgsca.unam.mx/lmcs Unidad de Investigación en Cómputo Aplicado DGSCA-UNAM. Posgrado en Ciencia e Ingeniería de la Computación

Más detalles

Arquitecturas de computadoras

Arquitecturas de computadoras Arquitecturas de computadoras Colaboratorio Nacional de Computación Avanzada (CNCA) 2014 Contenidos 1 Computadoras 2 Estación de Trabajo 3 Servidor 4 Cluster 5 Malla 6 Nube 7 Conclusiones Computadoras

Más detalles

Modelización y Balanceo de la Carga Computacional en la Simulación Paralela de la Dispersión Atmosférica de Contaminantes

Modelización y Balanceo de la Carga Computacional en la Simulación Paralela de la Dispersión Atmosférica de Contaminantes Modelización y Balanceo de la Carga Computacional en la Simulación Paralela de la Dispersión Atmosférica de Contaminantes Diego R. Martínez diegorm@dec.usc.es Dpto. Electrónica y Computación Universidad

Más detalles

Denominación de la materia. N créditos ECTS = 36 carácter = MIXTA INGENIERIA DE COMPUTADORAS

Denominación de la materia. N créditos ECTS = 36 carácter = MIXTA INGENIERIA DE COMPUTADORAS Denominación de la materia INGENIERIA DE COMPUTADORAS N créditos ECTS = 36 carácter = MIXTA Ubicación dentro del plan de estudios y duración La materia Ingeniería de Computadoras está formada por 6 asignaturas

Más detalles

Plataformas Actuales para Computación de Alto Rendimiento

Plataformas Actuales para Computación de Alto Rendimiento Plataformas Actuales para Computación de Alto Rendimiento Gilberto Díaz gilberto@ula.ve Centro de Cálculo Científico (CeCalCULA) Departamento de Computación, Escuela de Sistemas, Facultad de Ingeniería

Más detalles

DESKTOP GRID Y COMPUTACIÓN VOLUNTARIA: INTRODUCCIÓN A LA TECNOLOGÍA BOINC

DESKTOP GRID Y COMPUTACIÓN VOLUNTARIA: INTRODUCCIÓN A LA TECNOLOGÍA BOINC DESKTOP GRID Y COMPUTACIÓN VOLUNTARIA: INTRODUCCIÓN A LA TECNOLOGÍA BOINC José Luis Guisado Lizar http://cum.unex.es/profes/profes/jlguisado Grupo de Evolución Artificial (GEA) Universidad de Extremadura

Más detalles

Proyecto Fin de Carrera OpenNebula y Hadoop: Cloud Computing con herramientas Open Source

Proyecto Fin de Carrera OpenNebula y Hadoop: Cloud Computing con herramientas Open Source Proyecto Fin de Carrera OpenNebula y Hadoop: Cloud Computing con herramientas Open Source Francisco Magaz Villaverde Consultor: Víctor Carceler Hontoria Junio 2012 Contenido Introducción Qué es Cloud Compu5ng?

Más detalles

ITT-327-T Microprocesadores

ITT-327-T Microprocesadores ITT-327-T Microprocesadores Introducción al Microprocesador y al Microcomputador. al Microcomputador. Profesor Julio Ferreira. Sistema Microcomputador. Un Sistema Microcomputador tiene dos componentes

Más detalles

Análisis de desempeño y modelo de escalabilidad para SGP

Análisis de desempeño y modelo de escalabilidad para SGP Análisis de desempeño y modelo de escalabilidad para SGP Este documento es producto de la experiencia de Analítica en pruebas de stress sobre el software SGP. Estas pruebas se realizaron sobre un proceso

Más detalles

Sistemas con Microcontroladores y Microprocesadores

Sistemas con Microcontroladores y Microprocesadores Sistemas con Microcontroladores y Microprocesadores Objetivos Al terminar el curso, el estudiante estará capacitado para: 1. Entender funcionalmente cómo trabaja un sistema de computadora: Describir los

Más detalles

Sistemas Multiprocesador de Memoria Compartida Comerciales

Sistemas Multiprocesador de Memoria Compartida Comerciales Sistemas Multiprocesador de Memoria Compartida Comerciales Florentino Eduardo Gargollo Acebrás, Pablo Lorenzo Fernández, Alejandro Alonso Pajares y Andrés Fernández Bermejo Escuela Politécnia de Ingeniería

Más detalles

CURSOS DE VERANO 2014

CURSOS DE VERANO 2014 CURSOS DE VERANO 2014 CLOUD COMPUTING: LA INFORMÁTICA COMO SERVICIO EN INTERNET LA PLATAFORMA GOOGLE CLOUD PLATFORM. GOOGLE APP ENGINE Pedro A. Castillo Valdivieso Universidad de Granada http://bit.ly/unia2014

Más detalles

FAMILIA EMC VPLEX. Disponibilidad continua y movilidad de datos en los centro de datos y entre ellos

FAMILIA EMC VPLEX. Disponibilidad continua y movilidad de datos en los centro de datos y entre ellos FAMILIA EMC VPLEX Disponibilidad continua y movilidad de datos en los centro de datos y entre ellos MOVILIDAD DE DATOS Y DISPONIBILIDAD CONTINUAS PARA APLICACIONES DE MISIÓN CRÍTICA La infraestructura

Más detalles

X86 frente a PPC - Intel/AMD contra IBM

X86 frente a PPC - Intel/AMD contra IBM X86 frente a PPC - Intel/AMD contra IBM O el giro hacia RISC - Desmontando el mito del megahercio. Existen varios mitos en la informática de consumo. Uno de los más extendidos, sobre todo al usuario medio,

Más detalles

APACHE HADOOP. Daniel Portela Paz Javier Villarreal García Luis Barroso Vázquez Álvaro Guzmán López

APACHE HADOOP. Daniel Portela Paz Javier Villarreal García Luis Barroso Vázquez Álvaro Guzmán López APACHE HADOOP Daniel Portela Paz Javier Villarreal García Luis Barroso Vázquez Álvaro Guzmán López Objetivos 1. Qué es Apache Hadoop? 2. Funcionalidad 2.1. Map/Reduce 2.2. HDFS 3. Casos prácticos 4. Hadoop

Más detalles

Grupo de Computación de Altas Prestaciones GCAPULL, Univers. GCAPULL, Universidad de La Laguna, Tenerife

Grupo de Computación de Altas Prestaciones GCAPULL, Univers. GCAPULL, Universidad de La Laguna, Tenerife Grupo de Computación de Altas Prestaciones GCAPULL, Universidad de La Laguna, Tenerife Febrero 2010, Alicante Contents El grupo 1 El grupo 2 3 4 Composición 6 doctores 7 alumnos en fase de tesis Información

Más detalles

Informática y Programación Escuela de Ingenierías Industriales y Civiles Grado en Ingeniería en Ingeniería Química Curso 2010/2011

Informática y Programación Escuela de Ingenierías Industriales y Civiles Grado en Ingeniería en Ingeniería Química Curso 2010/2011 Módulo 1. Fundamentos de Computadores Informática y Programación Escuela de Ingenierías Industriales y Civiles Grado en Ingeniería en Ingeniería Química Curso 2010/2011 1 CONTENIDO Tema 1. Introducción

Más detalles

Tiempos de respuesta menores a un segundo con la nueva analítica en memoria de MicroStrategy 10. Fernando Gutiérrez-Cabello

Tiempos de respuesta menores a un segundo con la nueva analítica en memoria de MicroStrategy 10. Fernando Gutiérrez-Cabello Tiempos de respuesta menores a un segundo con la nueva analítica en memoria de MicroStrategy 10 Fernando Gutiérrez-Cabello El alto rendimiento ya no es solo un plus en las aplicaciones analíticas Los usuarios

Más detalles

Seminario II: Introducción a la Computación GPU

Seminario II: Introducción a la Computación GPU Seminario II: Introducción a la Computación GPU CONTENIDO Introducción Evolución CPUs-Evolución GPUs Evolución sistemas HPC Tecnologías GPGPU Problemática: Programación paralela en clústers heterogéneos

Más detalles

SATCA 1 2-2-4. En la segunda unidad, se conocerán el concepto de bus, direccionamiento, temporización, interrupciones y acceso a memoria.

SATCA 1 2-2-4. En la segunda unidad, se conocerán el concepto de bus, direccionamiento, temporización, interrupciones y acceso a memoria. 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura : Arquitectura de Computadoras Ingeniería en Tecnologías de la Carrera : Información y Comunicaciones Clave de la asignatura : TIC-1005 SATCA 1 2-2-4

Más detalles

INDICE 2. Organización de computadoras 3. El Nivel de Lógica Digital

INDICE 2. Organización de computadoras 3. El Nivel de Lógica Digital INDICE Prefacio XV 1. Introducción 1 1.1. Lenguajes, niveles y maquinas virtuales 4 1.2. Maquinas multinivel actuales 4 1.3. Evolución histórica de las maquinas multinivel 8 1.4. Hardware, software y maquinas

Más detalles

COMPUTACIÓN DE ALTA PERFORMANCE

COMPUTACIÓN DE ALTA PERFORMANCE COMPUTACIÓN DE ALTA PERFORMANCE 2011 1 TOLERANCIA A FALLOS COMPUTACIÓN DE ALTA PERFORMANCE Curso 2011 Sergio Nesmachnow (sergion@fing.edu.uy) Santiago Iturriaga (siturria@fing.edu.uy) Gerardo Ares (gares@fing.edu.uy)

Más detalles

Nombre del documento: Programa de Estudio de asignatura de Especialidad. Nombre de la asignatura: Arquitectura Cliente Servidor

Nombre del documento: Programa de Estudio de asignatura de Especialidad. Nombre de la asignatura: Arquitectura Cliente Servidor 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Arquitectura Cliente Servidor Carrera: Ingeniería en Sistemas Computacionales Clave de la asignatura: SIF-1204 (Créditos) SATCA: 3-2-5 2.- PRESENTACIÓN

Más detalles

Versión 4.0 BOLETÍN (ABRIL 2010) a2 Herramienta Administrativa Configurable (Arquitectura Cliente Servidor) a2 softway C. A.

Versión 4.0 BOLETÍN (ABRIL 2010) a2 Herramienta Administrativa Configurable (Arquitectura Cliente Servidor) a2 softway C. A. Versión 4.0 BOLETÍN (ABRIL 2010) a2 Herramienta Administrativa Configurable (Arquitectura Cliente Servidor) a2 softway C. A. VERSIÓN 4.0 a2 Herramienta Administrativa Configurable e-mail a2softway@cantv.net

Más detalles

PONENCIAS. Proyecto FORMIGA: reaprovechando recursos para la investigación. FORMIGA Project: Reusing resources for research.

PONENCIAS. Proyecto FORMIGA: reaprovechando recursos para la investigación. FORMIGA Project: Reusing resources for research. Proyecto FORMIGA: reaprovechando recursos para la investigación FORMIGA Project: Reusing resources for research Carlos Fernández Resumen Este proyecto persigue satisfacer la demanda creciente de recursos

Más detalles