Un estudio comparativo entre traductores de Python para aplicaciones paralelas de memoria compartida

Título:

Un estudio comparativo entre traductores de Python para aplicaciones paralelas de memoria compartida

Autor:

Milla, Andrés

Otros autores / Colaboradores:

 Rucci, Enzo; [ Director/a] 

Temas:

PYTHON; OPTIMIZACIÓN; EVALUACIÓN DE RENDIMIENTO; COMPUTACIÓN DE ALTO RENDIMIENTO - HPC; PROGRAMACIÓN MULTIHILO; 

URL:

http://sedici.unlp.edu.ar/handle/10915/133463,

Palabras clave:

Numba , Cython, PyPy , N-body , CPU-bound, 

Nota de tesis:

Tesina (Licenciatura en Informática) - Universidad Nacional de La Plata. Facultad de Informática, 2021.

Extensión:

1 archivo (1,44 MB) : il. col.

Resumen:

En la actualidad, Python es uno de los lenguajes más utilizados en diversas áreas de aplicación. Sin embargo, presenta limitaciones a la hora de poder optimizar y paralelizar aplicaciones debido a las limitaciones de su intérprete oficial, especialmente para aplicaciones CPU-bound. Para solucionar esta problemática han surgido traductores alternativos, aunque cada uno con un enfoque diferente y con su propia relación de costo-rendimiento. Ante la ausencia de estudios comparativos, se realizó una evaluación de rendimiento y esfuerzo de programación de dichos traductores, utilizando como caso de estudio N-Body, un problema popular y con alta demanda computacional.

Puede solicitar más fácilmente el ejemplar con: TES 21/54

1. Introducción 
1.1. Motivación 
1.2. Objetivo y metodología
1.3. Contribuciones 
1.4. Publicaciones 
1.5. Organización del documento 

2. Marco teórico 
2.1. Python 
2.1.1. NumPy 
2.1.2. PyPy 
2.1.3. Threading 
2.1.3.1. Limitaciones 
2.1.4. Multiprocessing 
2.1.5. Numba 
2.1.6. Cython 
2.2. N-Body 
2.2.1. Fundamentos 
2.2.2. Algoritmo 
2.3. Estado del arte 
2.4. Resumen 

3. Optimización de N-Body usando CPython y PyPy 
3.1. Implementaciones 
3.1.1. Implementación Naive 
3.1.2. Integración de NumPy 
3.1.3. Broadcasting 
3.1.4. Localidad de datos 
3.1.5. Multi-hilado 
3.2. Resultados experimentales 
3.2.1. Diseño experimental 
3.2.2. Rendimiento 
3.3. Resumen 

4. Optimización de N-Body usando Numba 
4.1. Implementaciones 
4.1.1. Implementación Naive 
4.1.2. Integración de Numba 
4.1.3. Multi-hilado 
4.1.4. Arreglos con tipos de datos simples 
4.1.5. Operaciones matemáticas 
4.1.6. Vectorización 
4.1.7. Localidad de datos 
4.1.8. Threading layer 
4.2. Resultados experimentales 
4.2.1. Diseño experimental 
4.2.2. Rendimiento 
4.3. Resumen 

5. Optimización de N-Body usando Cython 
5.1. Implementaciones 
5.1.1. Implementación Naive 
5.1.2. Integración de Cython 
5.1.3. Tipado explícito 
5.1.4. Multi-hilado 
5.1.5. Operaciones matemáticas
5.1.6. Localidad de datos 
5.2. Resultados experimentales 
5.2.1. Diseño experimental 
5.2.2. Rendimiento 
5.3. Resumen 

6. Comparación de prestaciones de traductores de Python 
6.1. Rendimiento 
6.1.1. Diseño experimental 
6.1.2. Comparación 
6.2. Esfuerzo de programación 
6.2.1. Diseño experimental 
6.2.2. Comparación 
6.3. Resumen

7. Conclusiones y trabajos futuros