Escudo Universidad de Pamplona

Repositorio Institucional

Universidad de Pamplona

Preservamos, organizamos y difundimos la producción académica, científica, investigativa y cultural de la Universidad de Pamplona, garantizando el acceso abierto al conocimiento generado por nuestra comunidad universitaria.

Explorar colecciones

Por favor, use este identificador para citar o enlazar este ítem: https://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/2332
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.authorGalan Guerra, Carlos Antonio.-
dc.date.accessioned2022-06-24T16:54:20Z-
dc.date.available2017-03-16-
dc.date.available2022-06-24T16:54:20Z-
dc.date.issued2017-
dc.identifier.citationGalan Guerra, C. A. (2016). Computación Paralela en Python sobre un clúster de alto rendimiento [Trabajo de Grado Pregrado, Universidad de Pamplona]. Repositorio Hulago Universidad de Pamplona. http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/2332es_CO
dc.identifier.urihttp://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/2332-
dc.descriptionLos clúster han aparecido como una herramienta computacional de alto rendimiento para la solución de problemas complejos en ciencias e ingeniería. En ese sentido, en el siguiente trabajo de grado presentamos resultados de la implementación de un clúster de alto rendimiento usando las potencialidades de Python en la computación de alto rendimiento. El procedimiento consiste en dividir el procesamiento en distintos equipos de cómputo conectados a través de una red, donde el rendimiento del proceso es proporcional a la cantidad de equipos que podamos agregar a la red. Se muestran los resultados de la evaluación del desempeño de la plataforma computacional, a partir de medidas de rendimiento como: eficiencia, escalabilidad y ganancia del sistema. De estos resultados de la configuración pudimos caracterizar y optimizar los tiempos de duración del procesamiento de datos y/o información. Estos resultados fueron obtenidos aplicados a un problema en particular de segmentación de imágenes, sin embargo puede ser aplicado a otros tipos de problemas de las ingenierías y las ciencias naturales que requieran gran capacidad de procesamiento, tiempos accesibles y bajo costo.es_CO
dc.format.extent114es_CO
dc.format.mimetypeapplication/pdfes_CO
dc.publisherUniversidad de Pamplona – Facultad de Ingenierías y Arquitectura.es_CO
dc.subjectEl autor no proporciona la información sobre este ítem.es_CO
dc.titleComputación Paralela en Python sobre un clúster de alto rendimiento.es_CO
dc.typehttp://purl.org/coar/resource_type/c_7a1fes_CO
dc.date.accepted2016-12-16-
dc.relation.referencesR. Hernández, C. Fernández, and C. Baptista, Metodología de la investigación, vol. 53, no. 9. 2014.es_CO
dc.relation.referencesM. F. Piccoli, Computación de alto desempeño en GPU. 2011.es_CO
dc.relation.referencesP. S. Pacheco, Introduction to Parallel Programming. 2011.es_CO
dc.relation.referencesI. T. Stan Openshaw, High Performance Computing and the Art of Parallel Programming: An Introduction for Geographers, Social Scientists and Engineers, Routledge,., vol. 59, no. 2. 2013.es_CO
dc.relation.referencesV. Eijkhout, “Introduction to High Performance Scientific Computing,” Hpc, p. 446, 2011.es_CO
dc.relation.referencesI. T. Foster, “Designing and Building Parallel Programs,” Interface, no. Noviembre, pp. 1–209, 1995.es_CO
dc.relation.referencesM. J. Flynn, “Very High-Speed Computing Systems,” Proc. IEEE, vol. 54, no. 12, pp. 1901–1909, 1966.es_CO
dc.relation.referencesC. S. Yeo, R. Buyya, H. Pourreza, R. Eskicioglu, P. Graham, and F. Sommers, “Cluster Computing: High-Performance, High-Availability, and High-Throughput Processing on a Network of Computers,” Handb. Nature-Inspired Innov. Comput. Integr. Class. Model. with Emerg. Technol., pp. 521–551, 2006.es_CO
dc.relation.referencesR. Buyya and others, “High performance cluster computing: Architectures and systems (volume 1),” Prentice Hall, Up. SaddleRiver, NJ, USA, vol. 1, p. 999, 1999.es_CO
dc.relation.referencesG. Cáceres, “Estrategia de Implementación de un Clúster de Alta Disponibilidad de N nodos sobre Linux usando Software Libre,” p. 172, 2012.es_CO
dc.relation.referencesJ. Manuel and G. Carrasco, “Herramientas Para Programacion Paralela.”es_CO
dc.relation.referencesL. F. Hern and N. Anillo, “Desarrollo de aplicaciones con técnicas de programación paralela para el análisis del procesamiento 3D de imágenes de microscopía .”es_CO
dc.relation.referencesN. A. R. E, “Lenguajes Paralelos Contenido I na historia Ventajas y Desventajas Ventajas,” 2013.es_CO
dc.relation.referencesR. Johansson, “Introduction to Computing with Python,” in Numerical Python, Berkeley, CA: Apress, 2015, pp. 1–24.es_CO
dc.relation.referencesA. Rubinsteyn and others, “Parakeet: A just-in-time parallel accelerator for {Python},” USENIX Conf. Hot Top. Parallelism, p. 14, 2012.es_CO
dc.relation.referencesR. Bromer, F. Hantho, and B. Vinter, “pupyMPI - MPI Implemented in Pure Python,” Springer Berlin Heidelberg, 2011, pp. 130–139.es_CO
dc.relation.referencesS. O. Yesylevskyy, “Pteros 2.0: Evolution of the fast parallel molecular analysis library for C++ and python,” J. Comput. Chem., vol. 36, no. 19, pp. 1480–1488, Jul. 2015.es_CO
dc.relation.referencesH. Migallón, V. Migallón, and J. Penadés, “A Parallel Python library for nonlinear systems,” J. Supercomput., vol. 58, no. 3, pp. 438–448, Dec. 2011.es_CO
dc.relation.referencesM. Jones, J. Blower, B. Lawrence, and A. Osprey, “Investigating Read Performance of Python and NetCDF When Using HPC Parallel Filesystems,” Springer International Publishing, 2016, pp. 153–168.es_CO
dc.relation.referencesE. Gonina, G. Friedland, E. Battenberg, P. Koanantakool, M. Driscoll, E. Georganas, and K. Keutzer, “Scalable multimedia content analysis on parallel platforms using python,” ACM Trans. Multimed. Comput. Commun. Appl., vol. 10, no. 2, pp. 1–22, Feb. 2014.es_CO
dc.relation.referencesS. Masini and P. Bientinesi, “High-Performance Parallel Computations Using Python as High-Level Language,” Springer Berlin Heidelberg, 2011, pp. 541–548.es_CO
dc.relation.referencesM. Mortensen and H. P. Langtangen, “High performance Python for direct numerical simulations of turbulent flows,” Comput. Phys. Commun., vol. 203, pp. 53–65, 2016.es_CO
dc.relation.referencesS. J. Rey, L. Anselin, R. Pahle, X. Kang, and P. Stephens, “Parallel optimal choropleth map classification in PySAL,” Int. J. Geogr. Inf. Sci., vol. 27, no. 5, pp. 1023–1039, May 2013.es_CO
dc.relation.referencesW. T. L. P. Lavrijsen and A. Dutta, “High-performance Python-C ++ bindings with PyPy and Cling.”es_CO
dc.relation.referencesW. Chun, Core Python Programming Python核心编程. 1989.es_CO
dc.relation.referencesB. Klein, “History of Python,” Python Course, pp. 1–3, 2015.es_CO
dc.relation.references“The Web framework for perfectionists with deadlines | Django.” [Online]. Available: https://www.djangoproject.com/.es_CO
dc.relation.references“Welcome to Python.org.” [Online]. Available: https://www.python.org/.es_CO
dc.relation.referencesG. Borell Nogueras, “Python como entorno de desarrollo científico.,” pp. 1–18, 2008.es_CO
dc.relation.referencesA. Klöckner, N. Pinto, B. Catanzaro, Y. Lee, P. Ivanov, and A. Fasih, “GPU Scripting and Code Generation with PyCUDA,” GPU Comput. Gems Jade Ed., pp. 373–385, 2012.es_CO
dc.relation.referencesM. Arbenz, In Action, no. November 2010. 2011.es_CO
dc.relation.referencesR. González Duque, “Python para todos,” Web B., no. 6, p. 108, 2000.es_CO
dc.relation.referencesM. J. Foord and C. Muirhead, in a Ction. .es_CO
dc.relation.referencesJ. Juneau, J. Baker, V. Ng, L. Soto, and F. Wierzbicki, Jython. .es_CO
dc.relation.referencesMultiprocesamiento - paralelismo basado en procesos - Python documentación.” [Online]. Available: https://docs.python.org/3/library/multiprocessing.html?highlight=multiproce ssing#module-multiprocessing.es_CO
dc.relation.references“MPI for Python Lisandro Dalcin,” 2016.es_CO
dc.relation.referencesG. Lanaro, Python High Performance Programming. 2013.es_CO
dc.relation.referencesC. G. Cambronero and I. G. Moreno, “ALGORITMOS DE APRENDIZAJE: KNN & KMEANS [Inteligencia en Redes de Telecomuncicación].”es_CO
dc.relation.referencesG. Lorca, J. Arzola, and O. Pereira, “Segmentación de Imágenes Médicas Digitales mediante Técnicas de Clustering Digital Medical Image Segmentation with Clustering Techniques.”es_CO
dc.relation.referencesG. M. Amdahl, “1 Introduction,” pp. 1–4, 1967.es_CO
dc.relation.references“Capítulo 4. Introducción al paralelismo y al rendimiento. 4.1.,” pp. 1–23, 2012.es_CO
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2es_CO
dc.type.coarversionhttp://purl.org/coar/resource_type/c_2df8fbb1es_CO
Aparece en las colecciones: Ingeniería de Sistemas

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
Galan_2016_TG.pdfGalan_2016_TG2,67 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.