Arquitecturas Multicore: Cluster, Grid y Cloud Computing


Resumen
Caracterizar las arquitecturas multiprocesador distribuidas enfocadas a cluster, grid y cloud computing, con énfasis en las que utilizan procesadores de multiples nucleos (“multicores”), con el objetivo de modelizarlas, estudiar su escalabilidad, analizar y predecir performance de aplicaciones paralelas y desarrollar esquemas de tolerancia a fallas en las mismas.
Analizar ydesarrollar Software de base para clusters de multicores, tratando de optimizar el rendimiento de tales arquitecturas para diferentes modelos de programación paralela y diferentes paradigmas de resolución de aplicaciones.
En el año 2011 se han agregado dos líneas de interés:
El estudio de arquitecturas basadas en GPGPU y su comparación con clusters de multicores, asi como el empleo combinado de GPUs ymulticores en computadoras de alta performance.
El análisis de la eficiencia energética, considerando el impacto de la arquitectura, el sistema operativo, el modelo de programación y el algoritmo especifico.
Es de hacer notar que este proyecto se coordina con otros dos proyectos en curso en el III-LIDI, relacionados con Algoritmos Distribuidos/Paralelos y Sistemas de Software Distribuido.Introduccion
La investigación en Sistemas Distribuidos y Paralelos es una de las líneas de mayor desarrollo en la Ciencia Informatica actual. En particular la utilización de arquitecturas mutiprocesador configuradas en clusters, muticlusters, grids y clouds, soportadas por redes de diferentes características y topologías se ha generalizado, tanto para el desarrollo de algoritmo paralelos, la ejecuciónde procesos que requeren computo intensivo y la atención de servicios WEB concurrentes.
El cambio tecnilogico, fundamentalmente a partir de los procesadores multicore, ha impuesto la necesidad de investigar en paradigmas “hibridos”, en los cuales coexisten esquemas de memoria compartida con mensajes. Asimismo la utilización de procesadores graficos (GPHPUs) como arquitecturas paralelas presentauna alternativa para alcanzar un alto speed-up en determinadas aplicaciones.
Es importante en este contexto desarrollar nuevos paradigmas y herramientas para la programación eficiente de aplicaciones. A su vez el convepto de eficiencia se refiere tanto al aspecto computacional como el energético y el impacto del consumo sobre arquitecturas con miles de procesadores que trabajan concurrentementedebe tenerse en cuenta en la estructura de los sistemas paralelos y en la planificación de la utilización de recursos por las aplicaciones.
Asimismo, aparecen líneas de I/D tales como el scheduling dinamico basado en el conumo del sistema paralelo, y cada subsistema (llegando al nivel de cada nucleo), el control en tiempo real de la frecuencia de reloj de los procesadores para optimizar consumo, ladetección en bajo nivel de errores de concurrencia, el estudio y desarrollo de lenguajes, compuladores y estructuras de datos adecuados a estas arquitecturas y la detección y tolerancia a fallos tratando de minimizar el overhead de tiempo aprovechando alguna redundancia en la misma arquitectura.
Por otra parte la heterogeneidad que caracteriza a los clusters y grids, asi como a las redes decomuncaciones, se extiende a las nuevas arquitecturas muticore y GPGPU enfocando funcionalidades especificas para algunos nucleos, lo cual puede mejorar la performance pero al mismo tiempo complejiza el scheduling de los procesos paralelos.
La aparición de arquitecturas tipo, Cloud obliga a poner especial atención a los problemas de virtualización y preciccion de performance (para la asignacióndinámica de recursos). Naturalmente a mayor potencia del Cloud, también crecen las complejidades al analizar la comunicación y el acceso a memoria en arquitecturas que están distribuidas y asu vez conformadas por placas con un numero variable de procesadores muticore y/o GPGPU. En el proyecto se ha abierto una línea espeficamente dedicada a los problemas de configuración y administración eficiente de...