Implantação e análise de desempenho de um cluster com processadores ARM e plataforma raspberry Pi
Autor(a) principal: | |
---|---|
Data de Publicação: | 2016 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFS |
Texto Completo: | https://ri.ufs.br/handle/riufs/3378 |
Resumo: | With the recent advancements in High Performance Computing (HPC), it is possible to rapidly process high volumes of data, allowing accomplishments in several areas of knowledge. Although the HPC area has been observed as an area of complex infrastructure, in the last years, its been observed that the processing power of processors used in embedded systems, using the ARM architecture, has been increasing significantly. Furthermore, the acquisition costs and energy consumption are lower, when compared to processors of other platforms, thus allowing for the possibility of having HPC with smaller and more economical platforms, with lower maintenance cost and more accessible. In this merit, this masters thesis proposes the performance analysis of a low cost embedded cluster composed of processors using ARM architecture and the Raspberry Pi platform. This work analysis the impact of using MPICH-2 and OpenMPI libraries, running benchmark programs HPCC and HPL. The present work show results of performance and energy consumption of this cluster with these programs, proving that it is possible to use clusters of low cost embedded platforms with satisfactory speedups and energy consumption. |
id |
UFS-2_dfebbfa85c139ef6b8f7c4227f5c1a23 |
---|---|
oai_identifier_str |
oai:ufs.br:riufs/3378 |
network_acronym_str |
UFS-2 |
network_name_str |
Repositório Institucional da UFS |
repository_id_str |
|
spelling |
Lima, Felipe dos AnjosMoreno Ordonez, Edward Davidhttp://lattes.cnpq.br/13718932712693042017-09-26T11:34:35Z2017-09-26T11:34:35Z2016-08-26LIMA, Felipe dos Anjos. Implantação e análise de desempenho de um cluster com processadores ARM e plataforma raspberry Pi. 2016. 66 f. Dissertação (Pós-Graduação em Ciência da Computação) - Universidade Federal de Sergipe, São Cristóvão, SE, 2016.https://ri.ufs.br/handle/riufs/3378With the recent advancements in High Performance Computing (HPC), it is possible to rapidly process high volumes of data, allowing accomplishments in several areas of knowledge. Although the HPC area has been observed as an area of complex infrastructure, in the last years, its been observed that the processing power of processors used in embedded systems, using the ARM architecture, has been increasing significantly. Furthermore, the acquisition costs and energy consumption are lower, when compared to processors of other platforms, thus allowing for the possibility of having HPC with smaller and more economical platforms, with lower maintenance cost and more accessible. In this merit, this masters thesis proposes the performance analysis of a low cost embedded cluster composed of processors using ARM architecture and the Raspberry Pi platform. This work analysis the impact of using MPICH-2 and OpenMPI libraries, running benchmark programs HPCC and HPL. The present work show results of performance and energy consumption of this cluster with these programs, proving that it is possible to use clusters of low cost embedded platforms with satisfactory speedups and energy consumption.Com o desenvolvimento da computação de alto desempenho (HPC), grandes volumes de dados passaram a ser processados de forma rápida, permitindo assim, que avanços significativos fossem alcançados em varias áreas do conhecimento. Para isso, sempre se observou a área de HPC tendo uma infraestrutura complexa. Por outro lado, nos últimos anos, se observa que a capacidade de processamento dos processadores usados em sistemas embarcados, seguindo arquitetura ARM, vem aumentando de forma significativa. Além disso, os custos de aquisição e o consumo de energia dos processadores ARM são menores, quando comparados a processadores de outras plataformas. Neste âmbito, cria-se a possibilidade de ter HPC usando plataformas menores e mais econômicas e com um custo de manutenção mais acessível. Nesse intuito, esta dissertação de mestrado, propõe a análise de desempenho de um cluster embarcado de baixo custo composto por processadores da arquitetura ARM e plataforma Raspberry Pi. O trabalho analisa o impacto de usar as bibliotecas MPICH-2 e OpenMPI, executando os programas dos benchmarks HPCC e HPL. O trabalho apresenta resultados de desempenho e consumo de energia do cluster com esses programas, mostrando que é possível usar clusters de plataformas embarcadas de baixo custo e tendo speedups e consumo de energia satisfatórios.application/pdfporUniversidade Federal de SergipePós-Graduação em Ciência da ComputaçãoUFSBrasilComputação de alto desempenhoSistemas embarcadosRaspberry PiProcessamento paraleloClusterProcessador ARMCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOImplantação e análise de desempenho de um cluster com processadores ARM e plataforma raspberry Piinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFSinstname:Universidade Federal de Sergipe (UFS)instacron:UFSTEXTFELIPE_ANJOS_LIMA.pdf.txtFELIPE_ANJOS_LIMA.pdf.txtExtracted texttext/plain83429https://ri.ufs.br/jspui/bitstream/riufs/3378/2/FELIPE_ANJOS_LIMA.pdf.txt64ce9107ac110ec7f1bc6ff506188858MD52THUMBNAILFELIPE_ANJOS_LIMA.pdf.jpgFELIPE_ANJOS_LIMA.pdf.jpgGenerated Thumbnailimage/jpeg1282https://ri.ufs.br/jspui/bitstream/riufs/3378/3/FELIPE_ANJOS_LIMA.pdf.jpg393050905e9ab8606ebf9bf9173ceb22MD53ORIGINALFELIPE_ANJOS_LIMA.pdfapplication/pdf1697722https://ri.ufs.br/jspui/bitstream/riufs/3378/1/FELIPE_ANJOS_LIMA.pdf86a48e56cf35c666b425141ba16492c5MD51riufs/33782017-11-24 21:39:03.125oai:ufs.br:riufs/3378Repositório InstitucionalPUBhttps://ri.ufs.br/oai/requestrepositorio@academico.ufs.bropendoar:2017-11-25T00:39:03Repositório Institucional da UFS - Universidade Federal de Sergipe (UFS)false |
dc.title.por.fl_str_mv |
Implantação e análise de desempenho de um cluster com processadores ARM e plataforma raspberry Pi |
title |
Implantação e análise de desempenho de um cluster com processadores ARM e plataforma raspberry Pi |
spellingShingle |
Implantação e análise de desempenho de um cluster com processadores ARM e plataforma raspberry Pi Lima, Felipe dos Anjos Computação de alto desempenho Sistemas embarcados Raspberry Pi Processamento paralelo Cluster Processador ARM CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
title_short |
Implantação e análise de desempenho de um cluster com processadores ARM e plataforma raspberry Pi |
title_full |
Implantação e análise de desempenho de um cluster com processadores ARM e plataforma raspberry Pi |
title_fullStr |
Implantação e análise de desempenho de um cluster com processadores ARM e plataforma raspberry Pi |
title_full_unstemmed |
Implantação e análise de desempenho de um cluster com processadores ARM e plataforma raspberry Pi |
title_sort |
Implantação e análise de desempenho de um cluster com processadores ARM e plataforma raspberry Pi |
author |
Lima, Felipe dos Anjos |
author_facet |
Lima, Felipe dos Anjos |
author_role |
author |
dc.contributor.author.fl_str_mv |
Lima, Felipe dos Anjos |
dc.contributor.advisor1.fl_str_mv |
Moreno Ordonez, Edward David |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/1371893271269304 |
contributor_str_mv |
Moreno Ordonez, Edward David |
dc.subject.por.fl_str_mv |
Computação de alto desempenho Sistemas embarcados Raspberry Pi Processamento paralelo Cluster Processador ARM |
topic |
Computação de alto desempenho Sistemas embarcados Raspberry Pi Processamento paralelo Cluster Processador ARM CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
dc.subject.cnpq.fl_str_mv |
CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
description |
With the recent advancements in High Performance Computing (HPC), it is possible to rapidly process high volumes of data, allowing accomplishments in several areas of knowledge. Although the HPC area has been observed as an area of complex infrastructure, in the last years, its been observed that the processing power of processors used in embedded systems, using the ARM architecture, has been increasing significantly. Furthermore, the acquisition costs and energy consumption are lower, when compared to processors of other platforms, thus allowing for the possibility of having HPC with smaller and more economical platforms, with lower maintenance cost and more accessible. In this merit, this masters thesis proposes the performance analysis of a low cost embedded cluster composed of processors using ARM architecture and the Raspberry Pi platform. This work analysis the impact of using MPICH-2 and OpenMPI libraries, running benchmark programs HPCC and HPL. The present work show results of performance and energy consumption of this cluster with these programs, proving that it is possible to use clusters of low cost embedded platforms with satisfactory speedups and energy consumption. |
publishDate |
2016 |
dc.date.issued.fl_str_mv |
2016-08-26 |
dc.date.accessioned.fl_str_mv |
2017-09-26T11:34:35Z |
dc.date.available.fl_str_mv |
2017-09-26T11:34:35Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
LIMA, Felipe dos Anjos. Implantação e análise de desempenho de um cluster com processadores ARM e plataforma raspberry Pi. 2016. 66 f. Dissertação (Pós-Graduação em Ciência da Computação) - Universidade Federal de Sergipe, São Cristóvão, SE, 2016. |
dc.identifier.uri.fl_str_mv |
https://ri.ufs.br/handle/riufs/3378 |
identifier_str_mv |
LIMA, Felipe dos Anjos. Implantação e análise de desempenho de um cluster com processadores ARM e plataforma raspberry Pi. 2016. 66 f. Dissertação (Pós-Graduação em Ciência da Computação) - Universidade Federal de Sergipe, São Cristóvão, SE, 2016. |
url |
https://ri.ufs.br/handle/riufs/3378 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal de Sergipe |
dc.publisher.program.fl_str_mv |
Pós-Graduação em Ciência da Computação |
dc.publisher.initials.fl_str_mv |
UFS |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal de Sergipe |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFS instname:Universidade Federal de Sergipe (UFS) instacron:UFS |
instname_str |
Universidade Federal de Sergipe (UFS) |
instacron_str |
UFS |
institution |
UFS |
reponame_str |
Repositório Institucional da UFS |
collection |
Repositório Institucional da UFS |
bitstream.url.fl_str_mv |
https://ri.ufs.br/jspui/bitstream/riufs/3378/2/FELIPE_ANJOS_LIMA.pdf.txt https://ri.ufs.br/jspui/bitstream/riufs/3378/3/FELIPE_ANJOS_LIMA.pdf.jpg https://ri.ufs.br/jspui/bitstream/riufs/3378/1/FELIPE_ANJOS_LIMA.pdf |
bitstream.checksum.fl_str_mv |
64ce9107ac110ec7f1bc6ff506188858 393050905e9ab8606ebf9bf9173ceb22 86a48e56cf35c666b425141ba16492c5 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFS - Universidade Federal de Sergipe (UFS) |
repository.mail.fl_str_mv |
repositorio@academico.ufs.br |
_version_ |
1802110804346011648 |