Nous utilisons des cookies pour améliorer votre expérience. Pour nous conformer à la nouvelle directive sur la vie privée, nous devons demander votre consentement à l’utilisation de ces cookies. En savoir plus.
Grappes de Calcul Intensif: Déploiement, Exploitation et Performances
Univ Europeenne - EAN : 9783841778727
Édition papier
EAN : 9783841778727
Paru le : 1 nov. 2018
49,90 €
47,30 €
Epuisé
Pour connaître votre prix et commander, identifiez-vous
Manquant sans date
Notre engagement qualité
-
Livraison gratuite
en France sans minimum
de commande -
Manquants maintenus
en commande
automatiquement -
Un interlocuteur
unique pour toutes
vos commandes -
Toutes les licences
numériques du marché
au tarif éditeur -
Assistance téléphonique
personalisée sur le
numérique -
Service client
Du Lundi au vendredi
de 9h à 18h
- EAN13 : 9783841778727
- Réf. fournisseur : 2500675
- Editeur : Univ Europeenne
- Date Parution : 1 nov. 2018
- Disponibilite : Manque sans date
- Barème de remise : NS
- Nombre de pages : 100
- Format : H:220 mm L:150 mm E:6 mm
- Poids : 160gr
- Interdit de retour : Retour interdit
- Résumé : Dans le cadre de ce travail, nous proposons une modélisation d'ordonnancement sur grappes hétérogènes sous forme de graphe orienté dont les arcs sont les liens de communication et les noeuds, les unités de calcul. Le modèle considère la puissance, la capacité, la mémoire et l'impact du protocole réseau; Le modèle considère également la latence et le débit. Notre ordonnancement prend en entrée le graphe de grappe, le graphe de tâches et un modèle de communications considérant les surcoûts engendrés sur le réseau. La complexité de ce modèle indiquant qu'il s'agit d'un problème NP-complet, nous avons opté pour une solution heuristique permettant d'avoir un bon ordonnancement. Après application du modèle sur l'application de multiplication de matrices sur une grappe, nous trouvons qu'augmenter le nombre de processeurs n'améliore pas nécessairement le temps de calcul. En plus, l'hétérogénéité ne permet pas d'avoir des performances stables, elles varient beaucoup. La parallélisation de l'application pour les tailles 1000, 3000, 5000 et 8000 améliore le temps séquentiel selon que le nombre de processus ne dépasse pas 25 sinon l'algorithme séquentiel est préférable.
- Biographie : Je suis un jeune chercheur, originaire de l'Ouest Cameroun. Père de deux enfants, je suis chargé de cours en Informatique à l'Université de Ngaoundéré au Cameroun depuis 2011. Mes domaines de recherche sont: Le Big data, L'apprentissage automatique, la sécurité des systèmes et des réseaux. Ma Foi en Dieu est mon guide pour toutes mes oeuvres.