Computación Paralela

Nombre:

Juan Eduardo Suarez Mota

Materia: Arquitectura de computadoras

Carrera: Ing. Sistemas Computacionales

5-AT/M

Computacion Paralela

Recursos computacionales

-Multiples procesadores- Computadoras unidad

por una red-Combinacion de ambos

Problema computacional

-Ser particionado en partes discretas de trabajo que pueden ser resultas simultáneamente-Ejecutar múltiples instrucciones del programa en cualquier instante de tiempo-Ser resuelto en un menor tiempo

Por que usar computacion paralela

-Ahorro en tiempo -Resolver Problemas grandes

Aplicaciones que la requieren

o Base de datos paralelas, minería de datoso Exploración de crudoo Servicios de negocios basados en la WEBo Diagnóstico asistido por computadoro Computación gráfica

-Tomar ventaja de recursos no locales usar recursos computacionales disponibles en una red.-Ahorro en costos-Usar la memoria de múltiples computadores

un conjunto de elementos de proceso que se comunican y

cooperan para resolver rápidamente grandes problemas

APLICACIÓN DE COMPUTACIÓN PARALELA

Google reside en: realizar búsquedas sobre internet lo más rápido posible, y ofrecer publicidad acorde al contenido de la búsqueda. 

Para ejecutar ambas tareas,  se necesita un gran poder de cómputo, considerando la gran cantidad de información disponible en la red de redes y su exponencial crecimiento, tanto de información como  de usuarios y dispositivos que se conectan a Internet, desde servidores, PCs, smartphones, cámaras, sensores, etc.

Hacia comienzos del año 2000 Google comenzó a ver que su negocio no sería sostenible en el tiempo si, para realizar estas tareas, tenía que invertir en grandes computadores (high end), más las licencias de software correspondientes. Comenzó a trabajar en sus laboratorios sobre un desarrollo que aprovechara el poder de cómputo de máquinas económicas (clones de PC). De esta manera, en el año 2004 Google patentó un framework de programación llamado "MapReduce", que permite procesar en forma paralela grandes conjuntos de datos usando un gran número de computadoras o nodos.

MapReduce  se basa en dos pasos:

Map: dada una tarea o problema a resolver, un computador o nodo principal la evalúa y la divide en subtareas que asigna a otros nodos llamados "operarios". A su vez, estos nodos pueden hacer lo mismo generando una estructura de árbol de multi-niveles. Cada nodo operario procesa la tarea más pequeña, la  almacena en su disco local, y pasa la respuesta a su nodo maestro.

Reduce: luego los nodos maestros toman las respuestas de todas las subtareas y las combinan para generar una salida, esto es la respuesta al problema que originalmente se intentaba resolver. 

BIBLIOGRAFÍAGuillén, D. P. INTRODUCCION A LA COMPUTACION PARALELA

http://sergiomaurenzi.blogspot.mx/2011/06/computacion-paralela-arquitectura-de_29.html

.