MODEL MAPREDUCE W WIELOKROTNYCH OBLICZENIACH NUMERYCZNYCH
##plugins.themes.bootstrap3.article.sidebar##
Numer Tom 5 Nr 4 (2015)
-
WYDZIAŁ ELEKTROTECHNIKI, AUTOMATYKI I INFORMATYKI POLITECHNIKI OPOLSKIEJ – ROZWÓJ I NOWE WYZWANIA
Marian Łukaniszyn, Jan Sadecki3-6
-
ROZMYTY SYSTEM ROZPOZNAJĄCY I STERUJĄCY PRZEPŁYWAMI DWUFAZOWYMI MIESZANIN GAZ-CIECZ
Paweł Fiderek, Radosław Wajman, Jacek Kucharski7-11
-
ROZMYTA KLASTERYZACJA SUROWYCH TRÓJWYMIAROWYCH DANYCH TOMOGRAFICZNYCH DLA POTRZEB ROZPOZNAWANIA PRZEPŁYWÓW DWUFAZOWYCH
Paweł Fiderek, Tomasz Jaworski, Radosław Wajman, Jacek Kucharski12-15
-
OPRACOWANIE ALGORYTMU MODELOWANIA FORMOWANIA PŁASKICH ELEMENTÓW
Konstantin Solomonov, Sergey Lezhnev16-19
-
WITRYNA UCZESTNIKA RYNKU ENERGII ELEKTRYCZNEJ
Przemysław Wanat, Dariusz Bober20-25
-
BEZPRZEWODOWY CZUJNIK AKTYWNOŚCI FIZYCZNEJ BAZUJĄCY NA PROCESORZE O NISKIM POBORZE MOCY
Rafał Borowiec, Wojciech Surtel26-31
-
ZASTOSOWANIE METODY CHAN-VESE W SEGMENTACJI OBRAZÓW MEDYCZNYCH
Paweł Prokop32-37
-
WPŁYW WYSOKIEGO NAPIĘCIA NA ROZWÓJ TKANKI ROŚLINNEJ
Eliška Hutová, Petr Marcoň, Karel Bartušek38-41
-
ZASTOSOWANIE WYŁADOWANIA ELEKTRYCZNEGO DO OZONOWANIA GLEBY
Tomoya Abiru, Fumiaki Mitsugi, Tomoaki Ikegami, Kenji Ebihara, Shin-ichi Aoqui, Kazuhiro Nagahama42-44
-
MODEL MAPREDUCE W WIELOKROTNYCH OBLICZENIACH NUMERYCZNYCH
Artur Krupa, Bartosz Sawicki45-47
-
EFEKTYWNA KONWERSJA ENERGII W TRÓJGENERACJI CIEPŁA, CHŁODU I ENERGII ELEKTRYCZNEJ
Nadzeya Viktarovich48-51
-
ANALIZA IZOTROPII METAMATERIAŁÓW
Arnold Kalvach, Zsolt Szabó52-54
-
MODUŁ SEROWANIA DLA IMPULSOWEGO SPEKTROMETRU NQR-FFT
Andriy Samila, Alexander Khandozhko, Ivan Hryhorchak, Leonid Politans’kyy, Taras Kazemirskiy55-58
-
WPŁYW DODATKU NANOCZĄSTEK SIO2, TIO2 I AL2O3 NA WYBRANE PARAMETRY MIESZANKI BETONOWEJ I BETONU SAMOZAGĘSZCZAJĄCEGO SIĘ
Paweł Niewiadomski59-61
-
ZALEŻNOŚĆ CZĘSTOTLIWOŚCIOWA NAPIĘCIOWEGO WSPÓŁCZYNNIKA MAGNETOELEKTRYCZNEGO W CERAMIKACH (BiFeO3)x-(BaTiO3)1-x
Tomasz Pikula, Karol Kowal, Piotr Guzdek62-69
-
WPŁYW WYSOKOTEMPERATUROWEGO WYGRZEWANIA NA WŁAŚCIWOŚCI ELEKTRYCZNE NANOKOMPOZYTU (FeCoZr)81,8(CaF2)18,2
Vitalii Bondariev, Tomasz Kołtunowicz70-76
-
UKŁADY PRZESŁUCHUJĄCE MULTIPLEKSOWANE ŚWIATŁOWODOWE CZUJNIKI BRAGGA
Damian Harasim, Piotr Kisała77-84
-
ZASTOSOWANIE MATRYCY PÓŁPRZEWODNIKOWYCH CZUJNIKÓW GAZU DO CIĄGŁEGO MONITORINGU POPRAWNOŚCI PROCESU OCZYSZCZANIA ŚCIEKÓW
Łukasz Guz85-91
-
MODEL PROCESU SORTOWANIA OBIEKTÓW PRZY WYKORZYSTANIU PODEJŚCIA NEURONOWEGO
Jaroslav Lotysz92-98
Archiwum
-
Tom 7 Nr 4
2017-12-21 23
-
Tom 7 Nr 3
2017-09-30 24
-
Tom 7 Nr 2
2017-06-30 27
-
Tom 7 Nr 1
2017-03-03 33
-
Tom 6 Nr 4
2016-12-22 16
-
Tom 6 Nr 3
2016-08-08 18
-
Tom 6 Nr 2
2016-05-10 16
-
Tom 6 Nr 1
2016-02-04 16
-
Tom 5 Nr 4
2015-10-28 19
-
Tom 5 Nr 3
2015-09-02 17
-
Tom 5 Nr 2
2015-06-30 15
-
Tom 5 Nr 1
2015-03-31 18
-
Tom 4 Nr 4
2014-12-09 29
-
Tom 4 Nr 3
2014-09-26 22
-
Tom 4 Nr 2
2014-06-18 21
-
Tom 4 Nr 1
2014-03-12 19
-
Tom 3 Nr 4
2013-12-27 20
-
Tom 3 Nr 3
2013-07-24 13
-
Tom 3 Nr 2
2013-05-16 9
-
Tom 3 Nr 1
2013-02-14 11
##plugins.themes.bootstrap3.article.main##
Authors
Abstrakt
W ostatnich latach chmury obliczeniowe stały się dominującym rozwiązaniem używanym do wielkoskalowych obliczeń numerycznych. Najczęściej są one oparte o programistyczny model MapReduce, który zapewnia wysoką skalowalność, elastyczność, oraz optymalizację kosztów infrastruktury. Artykuł w analityczny sposób przedstawia wykorzystanie MapReduce w rozwiązywaniu problemów naukowych złożonych z wielu niezależnych symulacji. Przeprowadzony eksperyment, złożony z ponad 10 000 przypadków, oparty o analizę zmienności pola elektromagnetycznego pokazuje niemal liniową skalowalność platformy i jej ponad 80% wydajności w stosunku do teoretycznego maksimum.
Słowa kluczowe:
Bibliografia
Barker A., Varghese B., Ward J. S., Sommerville I.: Academic Cloud Computing Research: Five Pitfalls and Five Opportunities, in 6th USENIX Workshop on Hot Topics in Cloud Computing, 2014.
Cunha A. Jr., Nasser R., Sampaio R., Lopes H., Breitman K., Uncertainty quantification through the Monte Carlo method in a cloud computing setting, vol. 185, 2014, 1355–1363.
D’Angelo G., Marzolla M.: New trends in parallel and distributed simulation: From many-cores to Cloud Computing, Simul. Model. Pract. Theory, 2014, 126.
Kim B. S., Lee S. J., Kim T. G.: MapReduce Based Experimental Frame for Parallel and Distributed Simulation Using Hadoop Platform, in Proceedings 28th European Conference on Modelling and Simulation, 2012.
Kondo D., Javadi B., Malecot P., Cappello F., Anderson D. P., Berkeley U. C., Cost-Benefit Analysis of Cloud Computing versus Desktop Grids, 2009.
Sakellari G., Loukas G., A survey of mathematical models, simulation approaches and testbeds used for research in cloud computing, Simul. Model. Pract. Theory, vol. 39, 2013, pp. 92103.
Amazon EC2 Pricing, http://aws.amazon.com/ec2/pricing/, access date: [13.08.2015]
Apache Hadoop project, http://hadoop.apache.org, access date: [21.01.2015]
Google Cloud Platform Pricing, https://cloud.google.com/compute/pricing/, access date: [13.08.2015]
Microsoft Azure Pricing, https://azure.microsoft.com/en-gb/pricing/calculator/, access date: [13.08.2015]
##plugins.themes.bootstrap3.article.details##
Abstract views: 365
Downloads: 183
Licencja

Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Na tych samych warunkach 4.0 Miedzynarodowe.
