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

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 v...

Full description

Bibliographic Details
Main Author: Montes de Oca, Erica
Other Authors: Naiouf, Marcelo
Language:es
Published: 2015
Subjects:
GPU
Online Access:http://hdl.handle.net/10915/44917
http://sedici.unlp.edu.ar/handle/10915/44917
id ndltd-SEDICI-oai-sedici.unlp.edu.ar-10915-44917
record_format oai_dc
spelling ndltd-SEDICI-oai-sedici.unlp.edu.ar-10915-449172015-04-09T04:01:51ZComparación del uso de GPGPU y cluster de multicore en problemas con alta demanda computacionalMontes de Oca, Ericaprogramación paralelamulticorecluster de multicoreGPUGPGPUCUDAproblemas de alta demanda computacionalN-BodyParallel programmingClusteringInformation SystemsCiencias InformáticasLa 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.Naiouf, MarceloDe Giusti, Laura Cristina2015-04-08T20:09:44Z2012-122012TesisTesis de gradohttp://hdl.handle.net/10915/44917eshttp://creativecommons.org/licenses/by-nc-nd/2.5/ar/Creative Commons Attribution-NonCommercial-NoDerivs 2.5 Argentina (CC BY-NC-ND 2.5)http://sedici.unlp.edu.ar/handle/10915/44917
collection NDLTD
language es
sources NDLTD
topic programación paralela
multicore
cluster de multicore
GPU
GPGPU
CUDA
problemas de alta demanda computacional
N-Body
Parallel programming
Clustering
Information Systems
Ciencias Informáticas
spellingShingle programación paralela
multicore
cluster de multicore
GPU
GPGPU
CUDA
problemas de alta demanda computacional
N-Body
Parallel programming
Clustering
Information Systems
Ciencias Informáticas
Montes de Oca, Erica
Comparación del uso de GPGPU y cluster de multicore en problemas con alta demanda computacional
description 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.
author2 Naiouf, Marcelo
author_facet Naiouf, Marcelo
Montes de Oca, Erica
author Montes de Oca, Erica
author_sort Montes de Oca, Erica
title Comparación del uso de GPGPU y cluster de multicore en problemas con alta demanda computacional
title_short Comparación del uso de GPGPU y cluster de multicore en problemas con alta demanda computacional
title_full Comparación del uso de GPGPU y cluster de multicore en problemas con alta demanda computacional
title_fullStr Comparación del uso de GPGPU y cluster de multicore en problemas con alta demanda computacional
title_full_unstemmed Comparación del uso de GPGPU y cluster de multicore en problemas con alta demanda computacional
title_sort comparación del uso de gpgpu y cluster de multicore en problemas con alta demanda computacional
publishDate 2015
url http://hdl.handle.net/10915/44917
http://sedici.unlp.edu.ar/handle/10915/44917
work_keys_str_mv AT montesdeocaerica comparaciondelusodegpgpuyclusterdemulticoreenproblemasconaltademandacomputacional
_version_ 1716800333787693056