Comparación del uso de GPGPU y cluster de multicore en problemas con alta demanda computacional

Título:

Comparación del uso de GPGPU y cluster de multicore en problemas con alta demanda computacional

Autor:

Montes de Oca, Erica Soledad

Otros autores / Colaboradores:

 Naiouf, Ricardo Marcelo; [ Director/a]  De Giusti, Laura Cristina; [ Codirector/a] 

Temas:

PROGRAMACIÓN PARALELA; CLUSTERS; 

URL:

,

Palabras clave:

cluster de multicore, n-body, gpgpu, 

Nota de tesis:

Tesina (Licenciatura en Informática) - Universidad Nacional de La Plata, Facultad de Informática, 2012.

Extensión:

vii, 180 p. : il.

Resumen:

La presente tesina de grado tiene como objetivo la investigación y el estudio de las plataformas de memoria compartida GPU y cluster de Multicore para la resolución de problemas con alta demanda computacional. Se presentan soluciones al problema planteado con el fin de comparar rendimiento en sus versiones secuencial, paralela con memoria compartida, paralela con pasaje de mensajes, paralela híbrida y paralela en GPU. Se analiza la bondad de las soluciones en relación al tiempo de ejecución y aceleración, y se introduce el análisis de consumo energético.

Puede solicitar más fácilmente el ejemplar con: TES 12/29

Objetivos
1. Introducción 
1.1. Procesamiento paralelo 
1.2. Concepto de sistema paralelo 
1.3. Programación de propósito general en GPU 
2. Arquitecturas paralelas
2.1. Taxonomía de Flynn 
2.2. Multiprocesadores de memoria compartida
2.3. Multiprocesadores de memoria distribuida
2.4. Arquitecturas combinadas
2.5. Arquitectura GPU-CUDA 
2.6. CPU vs. GPU
3. Diseño de algoritmos paralelos
3.1. Grafo de dependencia de treas 
3.2. Grafo de interacción de tareas 
3.3. Etapas del diseño de algoritmos paralelos
4. Modelos de algoritmos paralelos 
4.1. Modelo de paralelismo de datos 
4.2. Modelo de grafo de tareas 
4.3. Modelo Master-Workers 
4.4. Modelo Híbrido
4.5. Modeo GPU-CUDA 
5. Herramientas de programación paralela
5.1. Programación paralela en memoria compartida 
5.2. Programación paralela en memoria distribuida 
5.3. Programación paralela en GPU 
6. Green computing 
6.1. Calentamiento global 
6.2. Green computing 
6.3. Medición del consumo energético
7. Problema de aplicación: N Body
7.1. Descricpión del problema N Body
7.2 Soluciones al problema N Body
8. Solución al problema N Body 
8.1. Solución secuencial 
8.2. Solución paralela en memoria compartida
8.3. Solución paralela en memoria distribuida 
8.4. Solución paralela híbrida
8.5. Solución paralela en GPU
9. Resultados
9.1. Entorno experimental 
9.2. Resultados experimentales
10. Conclusiones y trabajos futuros
Apéndice A 
Apéndice B 
Apéndice C
Apéndice D 
Apéndice E
Referencias