Lenguaje para el desarrollo de aplicaciones paralelas en ambientes Cluster y Grid Gpu s y/o CPU s utilizando un entorno de Cloud Computing

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

Download "Lenguaje para el desarrollo de aplicaciones paralelas en ambientes Cluster y Grid Gpu s y/o CPU s utilizando un entorno de Cloud Computing"

Transcripción

1 Lenguaje para el desarrollo de aplicaciones paralelas en ambientes Cluster y Grid Gpu s y/o CPU s utilizando un entorno de Cloud Computing José Luis Quiroz Fabián Resumen La computación paralela aparece a raíz de la necesidad de reducir tiempos de respuesta de aplicaciones de cómputo intensivo, dando como consecuencia el desarrollo de computadoras con más de un procesador (máquinas multiprocesador). Sin embargo el alto costo de las máquinas multiprocesador llevó a la creación de sistemas construidos mediante la interconexión de componentes de hardware comunes. Estos sistemas reciben el nombre de Clusters. Los Clusters resultaron ser efectivos para diferentes problemas, pero no para aquellos donde se necesita gran capacidad de procesamiento y almacenamiento (en el orden de los petabytes), por ejemplo, el procesamiento de la información del acelerador de partículas Europeo. El surgimiento de máquinas MultiCore y los procesadores gráficos GPU si bien aumenta la capacidad de cálculo de los Cluster, al seguir siendo sistemas con una administración centralizada no tienen una capacidad de almacenamiento y procesamiento para problemas como el mencionado anteriormente. Utilizando un sistema Grid Computig se aumenta de forma considerable la capacidad de procesamiento y almacenamiento de los sistemas, pero éstos se vuelven más complejos debido a la configuración de ciertos archivos para llevar acabo el proceso de compilación y/o ejecución en base a las arquitecturas utilizadas. La complejidad de un sistema de Grid Computing se puede eliminar utilizando una arquitectura de Cloud Computing. Si bien el Cloud Computing comparte objetivos similares al Grid Computing, busca definir una arquitectura escalable, con calidad de servicio e interfaces amigables donde el usuario solo se preocupe del modelo a usar para la solución de su problema. En este proyecto de investigación se propone un lenguaje/entorno de Cloud Computing para la elaboración de un lenguaje de programación que evite la complejidad de la programación en un entorno Grid o Cluster. Si bien el entorno Cloud Computing ha sido pensado para aplicaciones y/o sistemas pequeños y de mediana magnitud, este entorno es viable trabajarlo de forma conjunta con sistemas Grid Computing para aplicaciones donde se requieran recursos inmediatos y temporales. Además debido a la gran diversidad de herramientas de programación utilizadas, el lenguaje de programación propuesto permitirá al desarrollador hacer uso de tecnologías CPU s y/o GPU s dentro de un entorno local (Cluster) o global (Grid) de forma transparente. 1

2 1. Antecedentes La programación paralela tradicionalmente se realizaba en máquinas con más de un procesador (máquinas multiprocesador). Debido al costo de las máquinas multiprocesador, surgen los Cluster (en su momento máquinas monoprocesador unidas mediante una red de alta velocidad). Posteriormente la reducción de precios del hardware dio surgimiento a las máquinas multinúcleo (MultiCore) y los Clusters se adaptaron haciendo uso de éste tipo de arquitecturas [HH08]. Las aplicaciones paralelas se han adaptado al hardware MultiCore buscando aprovechar su diseño (por ejemplo tener más de un núcleo y memoria cache dentro el procesador). Trabajando con procesadores MultiCore se puede generar un hilo de trabajo por cada núcleo a fin de aumentar el rendimiento de la aplicación paralela, más sin embargo estamos limitados al número reducido de núcleos (en promedio 4 por procesador) que ofrecen dichos procesadores. Esta limitante se ha resuelto en diferente aplicaciones haciendo uso de tarjetas GPU (Graphics Processing Unit). Un GPU es un procesador dedicado al procesamiento de gráficos y operaciones de punto flotante para aligerar la carga del CPU (Central Processing Unit). Una característica muy importante de un GPU es que permite tener una gran cantidad de núcleos (en algunas tarjetas hasta más de 100) trabajando en paralelo[lhk + 04] [KH10]. Buscando explotar los GPU s para aplicaciones de diferentes dominios se ha introducido el termino GPGPU (General-Purpose Computing on Graphics Processing Units ), esto es, los procesadores gráficos ya no solo son usados únicamente para procesamiento de gráficos sino para una gran diversidad de aplicaciones de propósito general. Además se puede agrupar un conjunto de computadoras con GPU s y formar un Cluster de GPU s haciendo uso de herramientas como MPI o PVM (entre otras) [FQKYS04]. Para elaborar aplicaciones haciendo uso del GPU existen herramientas como CUDA o Stream las cuales dependen del hardware de un determinado fabricante (CUDA sólo está disponible en tarjetas gráficas NVidia y Stream en tarjetas gráficas de ATI) [SK10] [BCH + 09]. Una alternativa libre a tecnologías como CUDA o Stream es OpenCL (Open Computing Language). OpenCL busca que se puedan realizar aplicaciones que aprovechen los GPU s de diferentes fabricantes, el CPU y cualquier otro procesador compatible [TNI + 10]. OpenCL fue primeramente elaborado por la compañía Apple para después ceder su desarrollo al grupo Khronos y con ello buscar que se vuelva un estándar. Combinar GPU s y CPU s ha originado supercomputadoras con alto capacidad de computo, basta con revisar la lista del top de Junio del 2011 donde 3 de las supercomputadoras que están en las en los primeros 5 lugares hacen uso de estas tecnologías. 1 2

3 1.1. Grids Se ha comprobado a través del tiempo que ni la supercomputadora (Cluster) más costosa disponible en el mercado, puede satisfacer la capacidad de procesamiento necesario donde la cantidad de datos con los que se opera es del orden de petabytes; como se muestra en el siguiente texto extraído de la página del acelerador de partículas en Europa 2 : The Large Hadron Collider will produce roughly 15 petabytes (15 million gigabytes) of data annually enough to fill more than 1.7 million dual-layer DVDs a year! Como podemos leer en el párrafo, la cantidad de información a procesar y almacenar es tan grande que es complejo realizarla en un sistema local. La solución a este tipo de problemas se puede realizar mediante un sistema Grid Computing de computadoras. Un Grid o Grid Computing en términos de computación paralela se pude definir como un conjunto de Cluster enlazados por una red de alta velocidad [BFH03] [Ber02]. Cuando se implementa un Grid se busca cumplir o satisfacer las necesidades del cliente, creando la ilusión de una sencilla pero grande y poderosa maquina virtual, mediante una colección de sistemas heterogéneos conectados para compartir recursos. Un Grid complementa las tecnologías de cómputo distribuido existentes, enfocándose principalmente en la necesidad de compartir recursos de forma dinámica y a través de las organizaciones. La evolución de los sistemas Grid Computing los han vuelto, atractivos, prácticos y económicos para las grandes compañías. Por lo cual el cómputo Grid proporciona una gran capacidad de procesamiento que alcanza a usuarios como: organizaciones institucionales, gobiernos, milicia y empresas privadas. Sin embargo un Grid enfrenta una serie de problemas: coordinación, descubrimiento, selección, reserva, asignación, gestión y monitoreo de recursos compartidos. Por tal motivo algunas organizaciones han dedicado sus esfuerzos en desarrollar herramientas que sirvan para construir sistemas Grid robustos y altamente confiables, tal es el caso de Globus Alliance y The Enabling Grids for E-sciencE (EGEE) [BKS05] [MD11] Globus El Proyecto Globus es una iniciativa multi-institucional para la investigación y el desarrollo de tecnologías fundamentales para Grids, cuyo objetivo principal es crear una plataforma completa para compartir aplicaciones y recursos computacionales en la red. Globus proporciona un conjunto de herramientas de software (toolkit-middleware ) para implementar una arquitectura Grid además provee las bibliotecas y componentes que permiten el desarrollo de aplicaciones Grid orientadas a servicios, abarcando características como son: seguridad, acceso y administración de recursos, movimiento y administración de datos, y descubrimiento de recursos, entre otros. El middleware de Globus se compone de múltiples servicios que implementan los dis- 2 3

4 tintos componentes necesarios para integrar y administrar los recursos que componen un Grid Glite Glite al igual que Globus, es un conjunto de componentes de software para habilitar un Grid. Fue desarrollado e implementado por EGEE (Enabling Grids for E-sciencE ) y liberado bajo una licencia de código abierto. El paquete de middleware Glite proporciona al usuario servicios como: seguridad, acceso a recursos y sistemas para monitorear la actividad del Grid. No obstante que los sistemas Grid han permitido la ejecución de aplicaciones que requieren una gran cantidad de almacenamiento de datos y una gran capacidad de procesamiento, estos sistemas llegan a ser complejos en la instalación, configuración, implementación, compilación y ejecución de programas Cómputo en la nube El cómputo en la nube (Cloud Computing) y el Grid computing son paradigmas que comparten ideas para generar sistemas de gran escala, entre las que podemos destacar [WvLY + 10]: Encapsular la complejidad del hardware y hacer más fácil su acceso por medio de interfaces gráficas. Escalabilidad para sistemas de gran tamaño. Compartir recursos remotos. Entre las principales diferencias que se pueden encontrar entre el Grid Computing y el Cloud Computing son la abstracción y los modelos computacionales utilizados. Un Grid es representado como la unión de recursos existentes para los cuales el desarrollo de aplicaciones debe tomar en cuenta aspectos no solo relacionados con el desarrollo de la aplicación, sino también con la abstracción del Grid. Por lo anterior, habilitar las aplicaciones para que se ejecuten en estas arquitecturas puede llegar a ser complejo. Por el contrario, el Cloud Computing le proporciona al usuario diferentes modelos que se ajusten a los requerimientos de su aplicación, lo cual generalmente se realiza haciendo uso de interfaces para una simple interacción. 4

5 Figura 1: Comparación de los últimos años en la búsqueda de Cloud Computing y Grid Computing Los sistemas basados en un entorno de Cloud Computing han tomado relevancia en los últimos años, basta con comparar por medio de Google Treads las tendencias de búsqueda de términos como Grid Computing y Cloud Computing (ver Figura 1) y observamos que Cloud Computing ha sobresalido actualmente, esto nos muestra que cada vez más personas tienden a tratar de entender este concepto, hacer uso de un servicio o realizar investigación en el tema Cloud Computing. 2. Justificación Como hemos mencionado, existen las aplicaciones que demandan de cómputo de forma considerable, debido a esto los investigadores han optado por realizar sus simulaciones de manera paralela. Entre las principales herramientas que utilizan para realizar sus simulaciones tenemos: MPI [BBG + 08] [SL03], OpenMP [CDK + 01] [PS11], Cuda[SK10], etc. Aunado a la complejidad de las diferentes herramientas de programación paralela así como al modelo de programación, se tiene en algunos casos el problema de la configuración de archivos y la incorporación de diferentes librerías para llevar acabo la compilación y/o ejecución en ambientes Grid Computing ( mas si se usa diferentes tecnologías por ejemplo CPU s y GPU s). Por lo anterior, en este proyecto se propone la creación de un lenguaje de programación paralelo paralelo basado en un enfoque de Cloud Computing para Cluster y Grids CPU s y/o GPU s. El utilizar el cómputo paralelo en entornos de Cloud Computing es un trabajo que se ha explorado recientemente [GWQF10] [VCC + 11] [VPB09], en los cuales para el desarrollo de aplicaciones se utilizan librerías y/o lenguajes como C, Java, MPI, CUDA, OpenCL etc. Además si bien se hace notar que un entorno Cloud Computing 5

6 ha sido pensado para aplicaciones y/o sistemas pequeños y de mediana magnitud, este entorno es viable trabajarlo de forma conjunta con sistemas Grid Computing para aplicaciones donde se requieran recursos inmediatos y temporales[ioy + 11]. Por otra parte, aunque el desempeño de las aplicaciones no ha resultado lo que se esperaba su rendimiento ha sido mejor que solo haciendo uso de un enfoque Cloud Computing [ABHM10]. En este proyecto se propone un sistema para explotar las arquitecturas Cluster y Grid Computing apoyándose en el filosofía del Cloud Computing. La interacción con el sistema esta pensada como un lenguaje de programación donde el entorno de desarrollo se establece mediante una interfaz web, esto es, el usuario realiza su programa como lo haría como un lenguaje como C o Java, y el sistema por medio de un traductor generaría el código a ejecutar en el Cluster y/o Grid. Por otra parte debido a la demanda que ha crecido en los últimos años y a gran diversidad de herramientas de programación paralela que han surgido, el lenguaje de programación a definir está pensado que contemple operaciones para trabajar en CPU s, GPU s y otros tipos de procesadores, y por medio de un compilador transformar sus instrucciones en operaciones definidas en librerías como: MPI OpenMP Posix Cuda OpenCL Los archivos de configuración para ser ejecutado en un sistema Grid están pensados que sean transparentes al usuario, a él simplemente se le presentará una interfaz similar a un entorno de desarrollo o simulación. 3. Objetivos Los objetivos de este proyecto de investigación son los siguientes: Proponer un lenguaje de programación texto y gráfico para desarrollar aplicaciones paralelas que se ejecuten en tecnologías Cluster y Grid sobre un ambiente Cloud Computing. Proponer el entorno de desarrollo web para el nuevo lenguaje de programación. Proponer una arquitectura para la comunicación y/o ejecución de las operaciones del lenguaje de programación sobre diferentes tipos de procesadores (CPU s y GPU s). 6

7 4. Metodología La metodología para la realización de este proyecto de investigación contempla los siguientes puntos: 1. Investigación del estado del arte en Cluster CPU/GPU, Grids CPU/GPU, Cloud Computing y su interacción. 2. Propuesta de un arquitectura Cloud Computing para explotar una infraestructura Grid tomando en cuenta principalmente elementos como la calidad de servicio y la escalabilidad. 3. Definición de la gramática para el lenguaje de programación propuesto. 4. Implementación del sistema web (haciendo uso de la arquitectura definida previamente) que albergará el entorno de desarrollo. 5. Evaluación de la implementación propuesta. 6. Elaboración de un conjunto de ejemplos que utilicen el sistema y lenguaje propuesto. Referencias [ABHM10] [BBG + 08] [BCH + 09] [Ber02] Brian Amedro, Francoise Baude, Fabrice Huet, and Elton Mathias. Combining grid and cloud resources by use of middleware for spmd applications. In Proceedings of the 2010 IEEE Second International Conference on Cloud Computing Technology and Science, CLOUDCOM 10, pages , Washington, DC, USA, IEEE Computer Society. Pavan Balaji, Darius Buntinas, David Goodell, William Gropp, and Rajeev Thakur. Toward efficient support for multithreaded mpi communication. In Proceedings of the 15th European PVM/MPI Users Group Meeting on Recent Advances in Parallel Virtual Machine and Message Passing Interface, pages , Berlin, Heidelberg, Springer-Verlag. Amr Bayoumi, Michael Chu, Yasser Hanafy, Patricia Harrell, and Gamal Refai-Ahmed. Scientific and engineering computing using ati stream technology. IEEE Des. Test, 11:92 97, November Viktors Berstis. IBM RedBook; Fundamentals of Grid Computing. Technical report, [BFH03] Fran Berman, Geoffrey Fox, and Anthony J. G. Hey. Grid Computing: Making the Global Infrastructure a Reality. John Wiley & Sons, Inc., New York, NY, USA,

8 [BKS05] [CDK + 01] Rüdiger Berlich, Marcel Kunze, and Kilian Schwarz. Grid computing in europe: from research to deployment. In Proceedings of the 2005 Australasian workshop on Grid computing and e-research - Volume 44, ACSW Frontiers 05, pages 21 27, Darlinghurst, Australia, Australia, Australian Computer Society, Inc. Robit Chandra, Leonardo Dagum, Dave Kohr, Dror Maydan, Jeff McDonald, and Ramesh Menon. Parallel programming in OpenMP. Morgan Kaufmann Publishers Inc., San Francisco, CA, USA, [FQKYS04] Zhe Fan, Feng Qiu, Arie Kaufman, and Suzanne Yoakum-Stover. Gpu cluster for high performance computing. In Proceedings of the 2004 ACM/IEEE conference on Supercomputing, SC 04, pages 47, Washington, DC, USA, IEEE Computer Society. [GWQF10] Thilina Gunarathne, Tak-Lon Wu, Judy Qiu, and Geoffrey Fox. MapReduce in the Clouds for Science. pages , November [HH08] Cameron Hughes and Tracey Hughes. Professional Multicore Programming: Design and Implementation for C++ Developers. Wrox Press Ltd., Birmingham, UK, UK, [IOY + 11] [KH10] [LHK + 04] [MD11] [PS11] Alexandru Iosup, Simon Ostermann, Nezih Yigitbasi, Radu Prodan, Thomas Fahringer, and Dick Epema. Performance analysis of cloud computing services for many-tasks scientific computing. IEEE Trans. Parallel Distrib. Syst., 22: , June David B. Kirk and Wen-mei W. Hwu. Programming Massively Parallel Processors: A Hands-on Approach. Morgan Kaufmann Publishers Inc., San Francisco, CA, USA, 1st edition, David Luebke, Mark Harris, Jens Krüger, Tim Purcell, Naga Govindaraju, Ian Buck, Cliff Woolley, and Aaron Lefohn. Gpgpu: general purpose computation on graphics hardware. In ACM SIGGRAPH 2004 Course Notes, SIGGRAPH 04, New York, NY, USA, ACM. Deepti Malhotra and Devanand. Mgc middleware for grid computing: the globus toolkit. In Proceedings of the International Conference on Advances in Computing and Artificial Intelligence, ACAI 11, pages , New York, NY, USA, ACM. M. R. Pimple and S. R. Sathe. Computing on multi-core platform: performance issues. In Proceedings of the 2011 International Conference on Communication, Computing & Security, ICCCS 11, pages , New York, NY, USA, ACM. 8

9 [SK10] [SL03] [TNI + 10] [VCC + 11] Jason Sanders and Edward Kandrot. CUDA by Example: An Introduction to General-Purpose GPU Programming. Addison-Wesley Professional, 1 edition, July Jeffrey M. Squyres and Andrew Lumsdaine. A Component Architecture for LAM/MPI. In Proceedings, 10th European PVM/MPI Users Group Meeting, number 2840 in Lecture Notes in Computer Science, pages , Venice, Italy, September / October Springer-Verlag. Ryoji Tsuchiyama, Takashi Nakamura, Takuro Iizuka, Akihiro Asahara, and Satoshi Miki. The OpenCL Programming Book. Fixstars Corporation, March Flavio Vella, Riccardo M. Cefal, Alessandro Costantini, Osvaldo Gervasi, and Claudio Tanci. Gpu computing in egi environment using a cloud approach. In Proceedings of the 2011 International Conference on Computational Science and Its Applications, ICCSA 11, pages , Washington, DC, USA, IEEE Computer Society. [VPB09] Christian Vecchiola, Suraj Pandey, and Rajkumar Buyya. Highperformance cloud computing: A view of scientific applications. In Proceedings of the th International Symposium on Pervasive Systems, Algorithms, and Networks, ISPAN 09, pages 4 16, Washington, DC, USA, IEEE Computer Society. [WvLY + 10] Lizhe Wang, Gregor von Laszewski, Andrew Younge, Xi He, Marcel Kunze, Jie Tao, and Cheng Fu. Cloud Computing: a Perspective Study. New Generation Computing, 28(2): , April

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

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

Implementación de una Malla Computacional, comparación de rendimiento de MPI sobre una malla vs métodos tradicionales *

Implementación de una Malla Computacional, comparación de rendimiento de MPI sobre una malla vs métodos tradicionales * Implementación de una Malla Computacional, comparación de rendimiento de MPI sobre una malla vs métodos tradicionales * Profesor Patrocinante: Dr. Pablo Saez G. ** Profesor Co-patrocinante: Dr. Jaime Araneda

Más detalles

Comunicaciones para Cómputo Paralelo Intercluster

Comunicaciones para Cómputo Paralelo Intercluster Comunicaciones para Cómputo Paralelo Intercluster Walter Aróztegui, Fernando L. Romero, Fernando G. Tinetti 1 Instituto de Investigación en Informática LIDI (III-LIDI) Facultad de Informática UNLP Centro

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

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

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

Introducción a la Computación Distribuida y Condor

Introducción a la Computación Distribuida y Condor Introducción a la Computación E-Ciencia Supercomputación Cluster Tecnologías de Cluster y su Clasificación Servicios Importantes para Clusters Administración y Planificación de Tareas en Clusters Condor

Más detalles

Computación Grid. Adaptación de Aplicaciones Grid para el Procesamiento de Imágenes (AAG) Miguel Cárdenas Montes

Computación Grid. Adaptación de Aplicaciones Grid para el Procesamiento de Imágenes (AAG) Miguel Cárdenas Montes Grid Adaptación de Aplicaciones Grid para el Procesamiento de Imágenes (AAG) Miguel Cárdenas Montes Centro de Investigaciones Energéticas Medioambientales y Tecnológicas, Madrid, Spain Máster: Grid y Paralelismo

Más detalles

270068 - PAP - Programación y Arquitecturas Paralelas

270068 - PAP - Programación y Arquitecturas Paralelas Unidad responsable: 270 - FIB - Facultad de Informática de Barcelona Unidad que imparte: 701 - AC - Departamento de Arquitectura de Computadores Curso: Titulación: 2014 GRADO EN INGENIERÍA INFORMÁTICA

Más detalles

Arquitectura de Computadores Clase 01: Apertura del curso

Arquitectura de Computadores Clase 01: Apertura del curso Arquitectura de Computadores Clase 01: Apertura del curso Departamento de Ingeniería de Sistemas Universidad id d de Antioquia i 2011 2 Información general Nombre del curso: Arquitectura de computadores

Más detalles

270150 - TGA - Tarjetas Gráficas y Aceleradores

270150 - TGA - Tarjetas Gráficas y Aceleradores Unidad responsable: 270 - FIB - Facultad de Informática de Barcelona Unidad que imparte: 701 - AC - Departamento de Arquitectura de Computadores Curso: Titulación: 2014 GRADO EN INGENIERÍA INFORMÁTICA

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

Supercómputo. Oscar Rafael García Regis Enrique Cruz Martínez

Supercómputo. Oscar Rafael García Regis Enrique Cruz Martínez Supercómputo Oscar Rafael García Regis Enrique Cruz Martínez 2003-I Oscar Rafael García Regis Laboratorio de Dinámica No Lineal Facultad de Ciencias, UNAM Enrique Cruz Martínez Dirección General de Servicios

Más detalles

Arquitectura de Computadores Paralelos

Arquitectura de Computadores Paralelos Arquitectura de Computadores Paralelos 2015/2016 Código: 43342 Créditos ECTS: 6 Titulación Tipo Curso Semestre 4314660 Ingeniería Informática / Computer Engineering OB 1 2 Contacto Nombre: Juan Carlos

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

GUÍA DOCENTE. Computación Paralela y Arquitecturas Específicas y de Altas Prestaciones

GUÍA DOCENTE. Computación Paralela y Arquitecturas Específicas y de Altas Prestaciones GUÍA DOCENTE Computación Paralela y Arquitecturas Específicas y de Altas Prestaciones octubre de 2010 I.- DATOS INICIALES DE IDENTIFICACIÓN Nombre de la asignatura: Módulo al que pertenece Carácter: Titulación:

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

GRUPOS DE INVESTIGACIÓN EN ARQUITECTURA DE COMPUTADORES GAC-USC y GAC-UDC

GRUPOS DE INVESTIGACIÓN EN ARQUITECTURA DE COMPUTADORES GAC-USC y GAC-UDC GRUPOS DE INVESTIGACIÓN EN ARQUITECTURA DE COMPUTADORES GAC-USC y GAC-UDC GAC-USC: Departamento de Electrónica y Computación http://www.ac.usc.es GAC-UDC: Departamento de Electrónica y Sistemas http://gac.des.udc.es

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

Tape Mbo e: una Metodología Orientada a Servicios

Tape Mbo e: una Metodología Orientada a Servicios Tape Mbo e: una Metodología Orientada a Servicios Motivación Objetivos Tecnología Estado del Arte Evaluación del Estado del Arte Tape Mb e Ciclo de Vida Roles Disciplinas Ciclo de Vida y Disciplinas Evaluación

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

Ciencia UANL Universidad Autónoma de Nuevo León rciencia@mail.uanl.mx ISSN (Versión impresa): 1405-9177 MÉXICO

Ciencia UANL Universidad Autónoma de Nuevo León rciencia@mail.uanl.mx ISSN (Versión impresa): 1405-9177 MÉXICO Ciencia UANL Universidad Autónoma de Nuevo León rciencia@mail.uanl.mx ISSN (Versión impresa): 1405-9177 MÉXICO 2005 Vidal Díaz Prado LA ESTRUCTURA DE LA GRID COMPUTING Ciencia UANL, abril-junio, año/vol.

Más detalles

ID:1374 INTEGRO. SERVICIOS TELEMÁTICOS EN LA NUBE. Sánchez Rodríguez, Alfredo. Cuba RESUMEN

ID:1374 INTEGRO. SERVICIOS TELEMÁTICOS EN LA NUBE. Sánchez Rodríguez, Alfredo. Cuba RESUMEN ID:1374 INTEGRO. SERVICIOS TELEMÁTICOS EN LA NUBE. Sánchez Rodríguez, Alfredo. Cuba RESUMEN La Plataforma de Servicios Telemáticos desarrollada por SOFTEL bajo la denominación de: proyecto INTEGRO, constituye

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

Comprender la relación entre data-intensive applications y cloud computing, y

Comprender la relación entre data-intensive applications y cloud computing, y Sociedad Peruana de Computación Facultad de Computación Programa Profesional de (Ciencia de la Computación) (V2.0) SILABO CS331. Cloud Computing (Obligatorio) 2010-1 1. DATOS GENERALES 1.1 CARRERA PROFESIONAL

Más detalles

introducción Simulación de flujos de fluidos utilizando grillas de de cómputo resumen

introducción Simulación de flujos de fluidos utilizando grillas de de cómputo resumen resumen Dentro de los procesos académicos de la Universidad de San Buenaventura se adelantan investigaciones en el Área de Diseño de Prototipos de Aviones, mediante simulaciones computacionales enfocadas

Más detalles

Utilización de Matlab en clusters y grids

Utilización de Matlab en clusters y grids Marco Bonilla, Gabriela Gangotena e Iván Bernal Departamento de Electrónica Telecomunicaciones y Redes de la Información (DETRI) mbonilla2109@gmail.com Resumen Con el fin de disponer de capacidad computacional,

Más detalles

Top 10 Tecnologías Informáticas 2007. M.C. Juan Carlos Olivares Rojas

Top 10 Tecnologías Informáticas 2007. M.C. Juan Carlos Olivares Rojas Top 10 Tecnologías Informáticas 2007 M.C. Juan Carlos Olivares Rojas Cuál tecnología dominará el 2007? 1. Acceso a la información 2. Computación Distribuida (Pervasive Computing) en el Ambiente 3. Ajax

Más detalles

Marco Teórico MARCO TEÓRICO. AGNI GERMÁN ANDRACA GUTIERREZ

Marco Teórico MARCO TEÓRICO. AGNI GERMÁN ANDRACA GUTIERREZ MARCO TEÓRICO. 13 14 Virtualización Hablar de virtualización es hablar de un concepto que describe la posibilidad de tener varios sistemas operativos funcionando al mismo tiempo en un mismo equipo físico.

Más detalles

ARQUITECTURA E INGENIERÍA DE COMPUTADORES

ARQUITECTURA E INGENIERÍA DE COMPUTADORES III III Jornadas: Docencia de de ISA ISA en en Informática y Computadores ARQUITECTURA E INGENIERÍA DE COMPUTADORES José José Sánchez Moreno Dpto. Dpto. Informática y Automática E.T.S.I. Informática UNED

Más detalles

GPGPU Avanzado. Sistemas Complejos en Máquinas Paralelas. Esteban E. Mocskos (emocskos@dc.uba.ar) 5/6/2012

GPGPU Avanzado. Sistemas Complejos en Máquinas Paralelas. Esteban E. Mocskos (emocskos@dc.uba.ar) 5/6/2012 Sistemas Complejos en Máquinas Paralelas GPGPU Avanzado Esteban E. Mocskos (emocskos@dc.uba.ar) Facultad de Ciencias Exactas y Naturales, UBA CONICET 5/6/2012 E. Mocskos (UBA CONICET) GPGPU Avanzado 5/6/2012

Más detalles

Proyecto Grid Computing

Proyecto Grid Computing Proyecto Grid Computing Éric Lajeunesse Olivier Piché Definición de una GRID: DTDI Una infraestructura que permite el acceso y procesamiento concurrente de un programa entre varias entidades computacionales

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

Orquestación de Servicios utilizando el paradigma de Programación Orientada a Aspectos

Orquestación de Servicios utilizando el paradigma de Programación Orientada a Aspectos Orquestación de Servicios utilizando el paradigma de Programación Orientada a Aspectos Sección de Computación Departamento de Ingeniería Eléctrica CINVESTAV-IPN Tesista: Cova Suazo Nancy Noemi Asesor:

Más detalles

AMPLIACIÓN DE PROGRAMACIÓN AVANZADA

AMPLIACIÓN DE PROGRAMACIÓN AVANZADA - AMPLIACIÓN DE PROGRAMACIÓN AVANZADA Grado en Ingeniero en Informática Universidad de Alcalá Curso Académico 2015/16 Curso 3º Cuatrimestre 2º GUÍA DOCENTE Nombre de la asignatura: AMPLIACIÓN PROGRAMACIÓN

Más detalles

1.- DATOS DE LA ASIGNATURA Nombre de la asignatura : Infraestructura Computacional. Carrera : Clave de la asignatura : AVD-1217 SATCA 1 2-3-5

1.- DATOS DE LA ASIGNATURA Nombre de la asignatura : Infraestructura Computacional. Carrera : Clave de la asignatura : AVD-1217 SATCA 1 2-3-5 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura : Infraestructura Computacional Carrera : Clave de la asignatura : AVD-1217 SATCA 1 2-3-5 Ingeniería en Animación Digital y Efectos Visuales 2.- PRESENTACIÓN

Más detalles

Motores de Búsqueda Web Síncronos/Asíncronos

Motores de Búsqueda Web Síncronos/Asíncronos Motores de Búsqueda Web Síncronos/Asíncronos Gil-Costa V. and Printista M. * LIDIC, Dpto. de Informática UNSL +54 (2652) 424027 - Fax: +54 (2652) 430224 Ejército de los Andes 950 5700 - San Luis, Argentina

Más detalles

UNA VISIÓN GLOBAL DE LA TECNOLOGÍA GRID

UNA VISIÓN GLOBAL DE LA TECNOLOGÍA GRID UNA VISIÓN GLOBAL DE LA TECNOLOGÍA GRID J.L. Vázquez-Poletti, Eduardo Huedo Cuesta, Rubén Santiago Montero, Ignacio Martín Llorente Departamento de Arquitectura de Computadores y Automática Universidad

Más detalles

Documentando la arquitectura de software Principios básicos por Omar Gómez

Documentando la arquitectura de software Principios básicos por Omar Gómez Documentando la arquitectura de software Principios básicos por Omar Gómez En la actualidad, uno de los temas candentes que se habla dentro de la comunidad de desarrollo de software es el referente a las

Más detalles

½Quiero mi súper-ultra-dúper computadora YA!

½Quiero mi súper-ultra-dúper computadora YA! ½Quiero mi súper-ultra-dúper computadora YA! con Software Libre Leandro Doctors 8vas. Jornadas Regionales de Software Libre Ciudad Autónoma de Buenos Aires (Argentina), 2008 con Software

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

Clusters Linux, Grids Computacionales y el proyecto EELA. Genghis Ríos (grios@pucp.edu.pe) Dirección de Informática Académica PUCP

Clusters Linux, Grids Computacionales y el proyecto EELA. Genghis Ríos (grios@pucp.edu.pe) Dirección de Informática Académica PUCP Clusters Linux, Grids Computacionales y el proyecto EELA Genghis Ríos (grios@pucp.edu.pe) Dirección de Informática Académica PUCP Agenda Clusters Computacionales Grids Computing EELA Clusters Computacionales

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

Agentes móviles en SAIPE: Sistema de acceso a Información Personal desde Entornos con conectividad limitada

Agentes móviles en SAIPE: Sistema de acceso a Información Personal desde Entornos con conectividad limitada Agentes móviles en SAIPE: Sistema de acceso a Información Personal desde Entornos con conectividad limitada Jose A. Barcala, Pedro Cuesta, Alma Gómez, Juan C. González, Francisco J. Rodríguez Lenguajes

Más detalles

Coordinador general: José Luis Gordillo Ruiz. Informe Técnico Final.

Coordinador general: José Luis Gordillo Ruiz. Informe Técnico Final. Construcción de una Grid Interinstitucional en México. Instituciones participantes: - Universidad Nacional Autónoma de México (UNAM) - Centro de Investigación Científica y de Educación Superior de Ensenada

Más detalles

Computación Distribuida

Computación Distribuida Computación Distribuida Parte II: Computación Grid Juan Ángel Lorenzo del Castillo Grupo de Arquitectura de Computadores Departamento de Electrónica y Computación Universidad de Santiago de Compostela

Más detalles

UNIVERSIDAD NACIONAL DEL SUR 1 BAHIA BLANCA DEPARTAMENTO DE CIENCIAS E INGENIERÍA DE LA COMPUTACION CORRELATIVAS OBJETIVOS

UNIVERSIDAD NACIONAL DEL SUR 1 BAHIA BLANCA DEPARTAMENTO DE CIENCIAS E INGENIERÍA DE LA COMPUTACION CORRELATIVAS OBJETIVOS UNIVERSIDAD NACIONAL DEL SUR 1 PROFESOR RESPONSABLE: Mg. Javier Echaiz Profesor Adjunto con Dedicación Exclusiva CARGA HORARIA Teoría 4 hs Práctica 28 hs PARA CURSAR LA MATERIA APROBADAS CURSADAS *Organización

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

Instituto Tecnológico de Cd. Victoria

Instituto Tecnológico de Cd. Victoria Instituto Tecnológico de Cd. Victoria Maestría en Sistemas Computacionales Nombre de la asignatura: INGENIERÍA DE SOFTWARE ORIENTADA A PROCESOS. Línea de Trabajo: Ingeniería de Software Tiempo de dedicación

Más detalles

Sobre el papel de la programación paralela en los nuevos planes de estudios de informática

Sobre el papel de la programación paralela en los nuevos planes de estudios de informática Sobre el papel de la programación paralela en los nuevos planes de estudios de informática Francisco Almeida Domingo Giménez José Miguel Mantas Antonio M. Vidal Departamento de Departamento de Departamento

Más detalles

Laboratorio de Procesamiento Paralelo MultiCluster accesible vía v a WEB

Laboratorio de Procesamiento Paralelo MultiCluster accesible vía v a WEB FACULTAD DE INFORMÁTICA UNIVERSIDAD NACIONAL DE LA PLATA Laboratorio de Procesamiento Paralelo MultiCluster accesible vía v a WEB Tesina de Licenciatura en Sistemas Autor: Adrián Pousa Director: Armando

Más detalles

UNIVERSIDAD NACIONAL DEL SUR 1 BAHIA BLANCA DEPARTAMENTO DE CIENCIAS E INGENIERÍA DE LA COMPUTACION

UNIVERSIDAD NACIONAL DEL SUR 1 BAHIA BLANCA DEPARTAMENTO DE CIENCIAS E INGENIERÍA DE LA COMPUTACION UNIVERSIDAD NACIONAL DEL SUR 1 CODIGO: 792 CARRERAS Y PLANES Licenciatura en Ciencias de la Computación Plan 2007 Licenciatura en Ciencias de la Computación Plan 2011 PROFESOR RESPONSABLE: Mg. Javier Echaiz

Más detalles

Por ello y en uso de sus atribuciones EL RECTOR DE LA UNIVERSIDAD NACIONAL DE SAN LUIS RESUELVE:

Por ello y en uso de sus atribuciones EL RECTOR DE LA UNIVERSIDAD NACIONAL DE SAN LUIS RESUELVE: "2014 - Año de Homenaje al Atmirente Guillermo Brown en el Bicentenario del Combate Naval de 6ntevideo;' Universidad Nacional de San Luis VISTO: El Expediente EXP-USL: 1046/2014 mediante el cual se solicita

Más detalles

Facultad de Ingeniería ISSN: 0121-1129 revista.ingenieria@uptc.edu.co. Universidad Pedagógica y Tecnológica de Colombia. Colombia

Facultad de Ingeniería ISSN: 0121-1129 revista.ingenieria@uptc.edu.co. Universidad Pedagógica y Tecnológica de Colombia. Colombia Facultad de Ingeniería ISSN: 0121-1129 revista.ingenieria@uptc.edu.co Universidad Pedagógica y Tecnológica de Colombia Colombia Amézquita-Mesa, Diego Germán; Amézquita-Becerra, Germán; Galindo-Parra, Omaira

Más detalles

UNIVERSIDAD SIMÓN BOLÍVAR Vicerrectorado Académico

UNIVERSIDAD SIMÓN BOLÍVAR Vicerrectorado Académico UNIVERSIDAD SIMÓN BOLÍVAR Vicerrectorado Académico 1.Departamento: COMPUTACIÓN Y TECNOLOGÍA DE LA INFORMACIÓN 2. Asignatura: Tópicos Especiales en Tecnología de la Información: Gestión de Servicios Informáticos

Más detalles

GUÍA DOCENTE COMPUTACIÓN DE ALTAS PRESTACIONES Máster en Ingeniería Informática

GUÍA DOCENTE COMPUTACIÓN DE ALTAS PRESTACIONES Máster en Ingeniería Informática Año académico 2015-16 GUÍA DOCENTE COMPUTACIÓN DE ALTAS PRESTACIONES Máster en Ingeniería Informática Profesorado: FRANCESC GINE DE SOLA JOSEP LLUIS LÉRIDA Información general de la asignatura Denominación

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

SISTEMAS DISTRIBUIDOS DE REDES 3.- ESTANDAR CORBA. 3.1. Características

SISTEMAS DISTRIBUIDOS DE REDES 3.- ESTANDAR CORBA. 3.1. Características SISTEMAS DISTRIBUIDOS DE REDES 3.- ESTANDAR CORBA 3.1. Características La tendencia hacia el futuro es el de lograr la integración total de componentes realizados por terceras partes, para lo cual es necesario

Más detalles

Nuevos modelos para la provisión de servicios comerciales basados en Grid

Nuevos modelos para la provisión de servicios comerciales basados en Grid Nuevos modelos para la provisión de servicios comerciales basados en Grid New Models for Commercial Provisioning of Grid Based Services E. Jacob, J. J. Unzilla, Mª V. Higuero y P. Saiz Resumen El concepto

Más detalles

Objetos Distribuidos - Componentes. Middleware

Objetos Distribuidos - Componentes. Middleware Objetos Distribuidos - Componentes Middleware Middleware Component Oriented Development Arquitecturas 3 Tier Middleware es el software que: conecta y comunica los componentes de una aplicacion distribuida

Más detalles

High Performance Computing and Architectures Group

High Performance Computing and Architectures Group HPCA Group 1 High Performance Computing and Architectures Group http://www.hpca.uji.es Universidad Jaime I de Castellón ANACAP, noviembre de 2008 HPCA Group 2 Generalidades Creado en 1991, al mismo tiempo

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

Cloud computing y diseño de fármacos: Docking Virtual sobre Amazon EC2 Diego Alonso López Ingeniero Informático Director: Luis M. A.

Cloud computing y diseño de fármacos: Docking Virtual sobre Amazon EC2 Diego Alonso López Ingeniero Informático Director: Luis M. A. Cloud computing y diseño de fármacos: Docking Virtual sobre Amazon EC2 Diego Alonso López Ingeniero Informático Director: Luis M. A. Quintales Facultad & Ciencias Universidad & Salamanca Objetivos Conceptos

Más detalles

SBDA-GRID: implementación de un servicio de base de datos en una arquitectura grid

SBDA-GRID: implementación de un servicio de base de datos en una arquitectura grid SBDA-GRID: implementación de un servicio de base de datos en una arquitectura grid Nancy Ocotitla Rojas, Axel E. Moreno Cervantes, Rogelio Castro González Escuela Superior de Cómputo-IPN, Av. Juan de Dios

Más detalles

Introducción Cálculo de Alto Desempeño

Introducción Cálculo de Alto Desempeño Introducción Cálculo de Alto Desempeño Gonzalo Hernández Oliva CMM - Universidad de Chile CMM - G. Hernandez MA-43C Introducción 1 Descripción El objetivo de este curso es realizar una introducción al

Más detalles

COMPARACIÓN DEL RENDIMIENTO COMPUTACIONAL ENTRE DIFERENTES METODOLOGÍAS DE PROCESAMIENTO EN PARALELO PARA FEA VÍA ANSYS 14.5

COMPARACIÓN DEL RENDIMIENTO COMPUTACIONAL ENTRE DIFERENTES METODOLOGÍAS DE PROCESAMIENTO EN PARALELO PARA FEA VÍA ANSYS 14.5 Second International Conference on Advanced Mechatronics, Design, and Manufacturing Technology - AMDM 2014 1 COMPARACIÓN DEL RENDIMIENTO COMPUTACIONAL ENTRE DIFERENTES METODOLOGÍAS DE PROCESAMIENTO EN

Más detalles

PCI 2010 Acción Preparatoria. Computación Avanzada en Aplicaciones Biomédicas. (High Performance Computing applied to Life Sciences)

PCI 2010 Acción Preparatoria. Computación Avanzada en Aplicaciones Biomédicas. (High Performance Computing applied to Life Sciences) PCI 2010 Acción Preparatoria Computación Avanzada en Aplicaciones Biomédicas CaaB (High Performance Computing applied to Life Sciences) Descripción general Participantes Universidad de Málaga, España CIEMAT,

Más detalles

Dra. Alicia Marcela Printista

Dra. Alicia Marcela Printista Evolución del Área de HPC en las Ciencias de la Computación en Argentina Hacia la integración nacional y regional Dra. Alicia Marcela Printista Universidad Nacional de San Luis Facultad de Ciencias Físico

Más detalles

Artículo invitado. Sobre la situación del paralelismo y la programación paralela en los Grados de Ingeniería Informática. 1.

Artículo invitado. Sobre la situación del paralelismo y la programación paralela en los Grados de Ingeniería Informática. 1. Artículo invitado Sobre la situación del paralelismo y la programación paralela en los Grados de Ingeniería Informática Francisco Almeida, Dept. de Estadística, Inv. Operativa y Computación Universidad

Más detalles

UNIVERSIDAD DE LOS ANDES NÚCLEO UNIVERSITARIO RAFAEL RANGEL

UNIVERSIDAD DE LOS ANDES NÚCLEO UNIVERSITARIO RAFAEL RANGEL UNIVERSIDAD DE LOS ANDES NÚCLEO UNIVERSITARIO RAFAEL RANGEL CARRERAS: Comunicación Social - Contaduría Publica Administración -Educación MATERIA: Int. a la Computación - Computación I-Introducción a la

Más detalles

UN ENTORNO A MEDIDA PARA EL DISEÑO Y LA SIMULACIÓN DE MAQUINARIA POR COMPUTADOR

UN ENTORNO A MEDIDA PARA EL DISEÑO Y LA SIMULACIÓN DE MAQUINARIA POR COMPUTADOR UN ENTORNO A MEDIDA PARA EL DISEÑO Y LA SIMULACIÓN DE MAQUINARIA POR COMPUTADOR Manuel González y Javier Cuadrado Departamento de Ingeniería Industrial II, Campus de Esteiro, 15403 Ferrol Universidad de

Más detalles

Está buscando servidores de aplicaciones basados en código abierto? Responda a las preguntas adecuadas y haga sus cálculos.

Está buscando servidores de aplicaciones basados en código abierto? Responda a las preguntas adecuadas y haga sus cálculos. Software de infraestructura de aplicaciones Para cubrir sus necesidades empresariales Está buscando servidores de aplicaciones basados en código abierto? Responda a las preguntas adecuadas y haga sus cálculos.

Más detalles

Integración de Computación Heterogénea con Hadoop para Cloud Computing

Integración de Computación Heterogénea con Hadoop para Cloud Computing Integración de Computación Heterogénea con Hadoop para Cloud Computing Nelson Rodríguez 1, María Murazzo 2, Daniela Villafañe 3, Maximiliano Alves 4, Diego Medel 5 Departamento e Instituto de Informática

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

Computación Híbrida, Heterogénea y Jerárquica

Computación Híbrida, Heterogénea y Jerárquica Computación Híbrida, Heterogénea y Jerárquica http://www.ditec.um.es/ javiercm/curso psba/ Curso de Programación en el Supercomputador Ben-Arabí, febrero-marzo 2012 Organización aproximada de la sesión,

Más detalles

Curso de Android con Java

Curso de Android con Java Todos los Derechos Reservados Global Mentoring Experiencia y Conocimiento para tu Vida 1 Este es un tiempo único para el mundo de los celulares, en particular de los Smartphones. Este tipo de dispositivos

Más detalles

TUTORIAL: COMPUTACIÓN de ALTO DESEMPEÑO

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

Más detalles

Comprender la relación entre data-intensive applications y cloud computing, y

Comprender la relación entre data-intensive applications y cloud computing, y Universidad Católica San Pablo Facultad de Ingeniería y Computación Programa Profesional de Ciencia de la Computación SILABO CS331. Cloud Computing (Obligatorio) 2012-2 1. DATOS GENERALES 1.1 CARRERA PROFESIONAL

Más detalles

Notas técnicas de JAVA Nro. 4 White Paper

Notas técnicas de JAVA Nro. 4 White Paper Tema: Notas técnicas de JAVA Nro. 4 White Paper (Lo nuevo, lo escondido, o simplemente lo de siempre pero bien explicado) JAVA Basics : Entendiendo la Java Virtual Machine (JVM) Java, JVM, objetos, introducción,

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

Cloud Computing. Aplicaciones en Big Data

Cloud Computing. Aplicaciones en Big Data Cloud Computing. Aplicaciones en Big Data Carrera/ Plan: Licenciatura en Sistemas Plan 2012/15 Licenciatura en Sistemas Plan 2003/07 Licenciatura en Informática Plan 2012/15 Licenciatura en Informática

Más detalles

Cluster, Grid & Cloud Computing. Conceptos Básicos y Aplicaciones.

Cluster, Grid & Cloud Computing. Conceptos Básicos y Aplicaciones. Cluster, Grid & Cloud Computing. Conceptos Básicos y Aplicaciones. Año 2014 Carrera: Doctorado en Ciencias Informáticas Año: 2014 Duración: Profesor a Cargo: De Giusti Armando y Naiouf Marcelo Créditos:

Más detalles

Computación Grid e Ingeniería del Software Basada en Componentes en CSCL

Computación Grid e Ingeniería del Software Basada en Componentes en CSCL Computación Grid e Ingeniería del Software Basada en Componentes en CSCL Miguel L. Bote Lorenzo, Juan I. Asensio Pérez, Yannis A. Dimitriadis, Eduardo Gómez Sánchez, Luis M. Vaquero González, Guillermo

Más detalles

Laboratorio Nacional de Cómputo de Alto Desempeño: Fortalecimiento de la Infraestructura 2015

Laboratorio Nacional de Cómputo de Alto Desempeño: Fortalecimiento de la Infraestructura 2015 Anexo A. Partida 3 Laboratorio Nacional de Cómputo de Alto Desempeño: Fortalecimiento de la Infraestructura 2015 CLUSTER LANCAD3 El bien a adquirir se describe a continuación y consiste en cúmulo de supercómputo

Más detalles

Mosix2: La versión grid de Mosix para Linux-2.6

Mosix2: La versión grid de Mosix para Linux-2.6 Mosix2: La versión grid de Mosix para Linux-2.6 Juan P. Caballero Lionel Gutierrez Javier Echaiz Jorge R. Ardenghi Laboratorio de Investigación de Sistemas Distribuidos (LISiDi) Departamento de Ciencias

Más detalles

UNIVERSIDAD REY JUAN CARLOS

UNIVERSIDAD REY JUAN CARLOS UNIVERSIDAD REY JUAN CARLOS ESCUELA SUPERIOR DE INGENIERÍA INFORMÁTICA INGENIERÍA INFORMÁTICA Curso Académico 2012/2013 Proyecto de Fin de Carrera Uso de simuladores para el aprendizaje de conceptos básicos

Más detalles

Sistemas Distribuidos

Sistemas Distribuidos Objetivos del curso Sistemas Distribuidos Presentar una visión global del estado del arte y los aspectos más novedosos del diseño y construcción de sistemas distribuidos. Desarrollar ejemplos prácticos

Más detalles

Grids. Departamento de Supercómputo - DGSCA UNAM

Grids. Departamento de Supercómputo - DGSCA UNAM Grids Departamento de Supercómputo - DGSCA UNAM Contenido Definiciones Arquitectura Usos Tipos de grids Ejemplos Conclusiones Definiciones Grid: infraestructura para el uso compartido de recursos distribuidos

Más detalles

Tareas 20% Primer Examen Parcial 20% Segundo Examen Parcial 20% Proyecto Final 25% Examen Final 15%

Tareas 20% Primer Examen Parcial 20% Segundo Examen Parcial 20% Proyecto Final 25% Examen Final 15% Introducción a la Computación Evolutiva Dr. Carlos Artemio Coello Coello CINVESTAV-IPN Departamento de Computación Av. Instituto Politécnico Nacional No. 2508 Col. San Pedro Zacatenco México, D.F. 07360

Más detalles

II. TIPOS DE GRID Tomado de las referencias [1][2][3][4].

II. TIPOS DE GRID Tomado de las referencias [1][2][3][4]. 1 Implementación de un Mini-Grid de Cómputo Gabriela A. Gangotena, Marco D. Bonilla e Iván M. Bernal Escuela Politécnica Nacional Resumen El desarrollo del middleware Globus Toolkit que integra tecnologías

Más detalles

Equipos de Cálculo LinuxVixion basados en GPU. Sistemas de Modelización Molecular Certificados para Amber Molecular Dynamics

Equipos de Cálculo LinuxVixion basados en GPU. Sistemas de Modelización Molecular Certificados para Amber Molecular Dynamics Equipos de Cálculo LinuxVixion basados en GPU Sistemas de Modelización Molecular Certificados para Amber Molecular Dynamics Madrid, 2014 www.linuxvixion.com 1. Presentación LinuxVixion, S.L, compañía española

Más detalles

La Arquitectura de las Máquinas Virtuales.

La Arquitectura de las Máquinas Virtuales. La Arquitectura de las Máquinas Virtuales. La virtualización se ha convertido en una importante herramienta en el diseño de sistemas de computación, las máquinas virtuales (VMs) son usadas en varias subdiciplinas,

Más detalles

CLOUD AND SKY COMPUTING

CLOUD AND SKY COMPUTING Universidad Simón Bolívar Sistemas de Operación III (CI-4822) Septiembre Diciembre 2013 CLOUD AND SKY COMPUTING Carlos Gómez Pedro Romero TEMAS Cloud Computing Historia Concepto Características Arquitectura

Más detalles

Unidad I. Introducción a la programación de Dispositivos Móviles

Unidad I. Introducción a la programación de Dispositivos Móviles Clase:002 1 Unidad I Introducción a la programación de Dispositivos Móviles Tomado de : Programación Multimedia y Dispositivos Móviles 2012 Paredes Velasco, Maximiliano / Santacruz Valencia, Liliana 2

Más detalles

Bases de datos para toma de decisiones

Bases de datos para toma de decisiones 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Bases de datos para toma de decisiones Lic. en Informática 3-2-8 2.- HISTORIA DEL

Más detalles

Resumen. Introducción

Resumen. Introducción Sistema de Integración de Plataforma en la Nube para Móviles David Araujo Díaz 1, Erika Hernández Rubio 2, Elena Fabiola Ruiz Ledesma 3 Instituto Politécnico Nacional Escuela Superior de Cómputo Resumen

Más detalles

Puesta a punto de un centro de recursos GRID utilizando Midleware GLITE 3.0

Puesta a punto de un centro de recursos GRID utilizando Midleware GLITE 3.0 Puesta a punto de un centro de recursos GRID utilizando Midleware GLITE 3.0 Autores Maikel Isover Domínguez García* Daniel López Aldama* Alejandro Hurtado Turiño* Francisco Fernández Nodarse** Henry Ricardo

Más detalles