GREEN-CLOUD: Computação em Cloud com Computação Sustentável

Table of Contents

Identificação FAPERGS: #16/2551-0000 488-9
Edital: PRONEX/CNPq/FAPERGS 12/2014

Apresentação

O projeto GREEN-CLOUD tem financiamento FAPERGS/CNPq pelo programa de apoio a núcleos de excelência (PRONEX) através de proposta aprovada no âmbito do Edital 12/2014. A coordenação geral é assegurada pelo Prof. Lisandro Zambenedetti Granville (UFRGS), agregando quatro instituições gaúchas: UFRGS, PUCRS, UFPEL, UFSM. Os coordenadores locais desse núcleo de excelência são os Profs. Andrea Charão (UFSM), César A. F. De Rose (PUCRS), Gerson Geraldo H. Cavalheiro (UFPEL), Philippe O. A. Navaux (UFRGS).

Objetivo

O objetivo geral deste projeto é o de criar uma estrutura de nuvem para a pesquisa acadêmica e científica no Estado do Rio Grande do Sul voltada ao suporte ao Processamento de Alto Desempenho (PAD). Sensível às demandas de uso racional das fontes energéticas, questões relacionadas ao uso consciente da energia pelos recursos de processamento deverão ser tratadas, materializada em soluções de escalonamento e distribuição de carga nesta nuvem. Sabe-se que Computação em Nuvem apresenta grandes atrativos para PAD, tais como a possibilidade de configuração de ambientes onde usuários podem criar ambientes virtuais com as características que eles necessitam, incluindo a escolha de quantidade de cores por máquina, quantidade de memória, espaço de armazenamento, e interconexão e topologia configuráveis. Essas funcionalidades aliadas às características econômicas de nuvem constituem os grandes atrativos do modelo para PAD, potencializando não apenas as pesquisas na área dentro do RS, mas também aquelas que requeiram grande quantidade de recursos computacionais.

Os objetivos específicos são os seguintes:

  • Projeto, implementação e gerenciamento da infraestrutura em nuvem
  • Desenvolvimento e adaptação de aplicações de alto desempenho para nuvem
  • Estabelecimento de métricas de computação sustentável em nuvem
  • Balanceamento de carga e mapeamento de recursos em virtualização
  • Análise de desempenho de aplicações paralelas em nuvem

Workshops

I Workshop Green-Cloud

Realizaremos nosso primeiro workshop na Terça-feira dia 03/Abril/2018, no período da tarde, das 12 às 17 horas, com almoço de confraternização na FAURGS e início das atividades previsto para às 13:30. A programação inicial é a seguinte:

  1. Resultados do primeiro ano de projeto
  2. Definição de metas para 2018
  3. Identificação de colaborações no âmbito do projeto
  4. Apresentação das planilhas financeiras
  5. Definição da data e local do próximo workshop

Os resultados do primeiro ano de projeto serão apresentados em exposições curtas (de 10 minutos) com slides, com uma distribuição equilibrada entre as instituições do núcleo de excelência.

Resultados do primeiro ano de projeto

Os trabalhos abaixo são fruto de bolsistas e ex-bolsistas do projeto.

  • Exploração de ferramentas para análise de desempenho de aplicações de HPC: estudo de caso com Incompact3D em uma arquitetura com múltiplos núcleos.
    • Autor: Lucas Roges de Araújo, Andrea Charão, João Vicente Ferreira Lima (UFSM).
    • Resumo: Este trabalho explora ferramentas de análise de desempenho sobre o software Incompact3D, utilizado em pesquisas em dinâmica de fluidos. A aplicação foi concebida para execução em clusters e faz uso de MPI. Os resultados mostram o comportamento desta aplicação em uma arquitetura multicore com 48 núcleos, que difere de outras usadas em publicações sobre o Incompact3D.
  • Análise do Consumo Energético de uma Aplicação de Alto Desempenho em Dinâmica de Fluidos.
    • Autor: Cristian Weber, Andrea Charão, João Vicente Ferreira Lima (UFSM)
    • Este trabalho analisa o consumo energético do Incompact3D, um software importante para o estudo da área de dinâmica de fluidos. Os dados analisados foram coletados com o uso da ferramenta LIKWID a partir de diferentes configurações de execução da aplicação.
  • Exploração de frameworks de Deep Learning sobre hardware de baixo consumo
    • Autor: Rafael Gauna Trindade (ex-bolsista), Andrea Charão, João Vicente Ferreira Lima (UFSM)
    • Resumo: Este trabalho explora os frameworks de Deep Learning Caffee e Tensorflow sobre um mini-cluster de 8 Raspberry Pi. Os resultados indicam oportunidades e dificuldades envolvidas nessas combinações de hardware e software.
  • Simulation of dynamic load balancing
    • Autor: Rafael Keller Tesser, Lucas Mello Schnorr, Arnaud Legrand, Fabrice Dupros, Eduardo Roloff, Philippe O. A. Navaux.
    • Resumo: Apesar dos potenciais benefícios balanceamento de carga dinâmico, sua avaliação possui um alto custo em termos de tempo e de recursos computacionais. Neste trabalho, apresentaremos um workflow de simulação para realizar essa avaliação a um custo significativamente reduzido.
  • Utilização de ambientes de nuvem heterogêneos para HPC
    • Autor: Eduarda Trindade, Guilherme Haetinger (ex-bolsista), Eduardo Roloff, Philippe Navaux
    • Resumo: O objetivo é verificar se é possível combinar as máquinas heterogêneas da nuvem com o desbalanceamento de aplicação para a execução de aplicações de HPC com menor custo, sem afetar o desempenho, validando através de testes de desempenho utilizando aplicações reais de HPC.
  • Analisando o tradeoff energético da utilização de aceleradores vetoriais em aplicações clássicas de HPC
    • Autor: Matheus Altnetter, Cesar De Rose
    • Resumo: A proposta deste trabalho é avaliar o impacto da relação custo/performance/consumo energético do uso da mais recente tecnologia de aceleração vetorial (AVX-512bits) em aplicações clássicas de HPC. Neste estudo de caso estamos usando a aplicação Incompact3d, que simula um modelo de escoamento de partículas resolvendo equações de Navier-Stokes. Este modelo pode ser aplicado na simulação de correntes de densidade, de jatos turbulentos variados e correntes gravitacionais em canais e bacias.

Identificação de colaborações no âmbito do projeto

Procuramos apresentações curtas que divulguem os trabalhos de um grupo de pesquisa; as intervenções devem ser de pesquisadores vinculados ao projeto e o objetivo é identificar colaborações entre os pesquisadores envolvidos.

  • Data Science for Performance Analysis of Parallel Applications
    • Lucas Mello Schnorr (UFRGS)
    • Resumo: A análise de desempenho de aplicações paralelas é uma tarefa complexa que envolve a formulação de hipóteses complexas. Para verificar tais suposições, nada mais natural que o emprego de modernas técnicas de análise de dados, que envolve desde o tratamento de dados em escala até a visualização. Tais técnicas são oriundas da área de ciência de dados, empregando a linguagem R, e workflows paralelos de tratamento de dados. Como estudo de caso, se procura entender o desempenho de aplicações regulares (decomposição estática) e irregulares (malhas irregulares, baseadas em tarefas), em infraestruturas homogêneas e heterogêneas (multi-CPU|GPU|nó).
    • Pessoas envolvidas: Vinicius Garcia Pinto (doutorando), Rafael Keller Tesser (doutorando), Lucas Leandro Nesi (mestrando), Guilherme Alles (mestrando), Gabriel Moro (mestrando).
  • Ambientes e Ferramentas para Programação e Execução de Aplicações Big Data
    • Claudio Geyer (UFRGS)
    • Resumo: Serão apresentadas as principais atividades de pesquisa do grupo GPPD / SLD na área de ambientes para programação e ferramentas de suporte para a execução de aplicações Big Data. O foco dessas atividades tem sido em novas arquiteturas, tolerância a falhas, escalonamento de tarefas, otimização e roteamento de comunicação, avaliação e predição de desempenho, e consumo de energia (arquiteturas ARM). O grupo também tem atuado no desenvolvimento de protótipos de novas aplicações Big Data em áreas como PLN, Smart Cities e genética.

Foto do evento

Membros

Pesquisadores Principais

  • Lisandro Zambenedetti Granville (UFRGS)
  • Philippe Olivier Alexandre Navaux (UFRGS)
  • Cesar Augusto Fonticielha De Rose (PUCRS)
  • Renata Hax Sander Reiser (UFPEL)

Pesquisadores Colaboradores

  • Adenauer Côrrea Yamin (UFPEL)
  • Ana Marilza Pernas Fleischmann (UFPEL)
  • André Rauber Du Bois (UFPEL)
  • Andrea Schwertner Charão (UFSM)
  • Alexandre Silva Caríssimi (UFRGS)
  • Avelino Francisco Zorzo (PUCRS)
  • Benhur de Oliveira Stein (UFSM)
  • Carlos Raniery Paula dos Santos (UFSM)
  • Cláudio Fernando Resin Geyer (UFRGS)
  • Gerson Geraldo H. Cavalheiro (UFPEL)
  • Joao Vicente Ferreira Lima (UFSM)
  • Lucas Mello Schnorr (UFRGS)
  • Maurício Lima Pilla (UFPEL)
  • Nicolas Bruno Maillard (UFRGS)

Publicações

As publicações são marcadas com a seguinte frase na seção de agradecimentos:

This work has been partially supported by the project "GREEN-CLOUD:
Computação em Cloud com Computação Sustentavel" (#16/2551-0000 488-9),
from FAPERGS and CNPq Brazil, program PRONEX 12/2014.

Contato

Author: LMS

Created: 2019-03-31 Sun 20:14

Validate