Projects
2021 - Em andamento
SPar4.0: Paralelismo de Stream nas Tecnologias 4.0
Description:
Com as evoluções tecnológicas recentes, surgiu o movimento da quarta revolução industrial. Seus conceitos e ideias estão sendo adaptados e incorporados em outros setores tais como Agricultura e Saúde. Assim, dando espaço ao termo Tecnologias 4.0 para se referir às tecnologias habilitadoras dos conceitos e ideias da quarta revolução industrial. As aplicações das chamadas Tecnologias 4.0 executam em sistemas computacionais de pequena, média e larga escala, os quais vêm apresentando um alto grau de paralelismo e heterogeneidade no hardware. Também, a maior parte dessas aplicações podem ser caracterizadas como entidades ou sistemas de processamento de fluxo contínuo de dados (stream processing), pois os sistemas computacionais estão continuamente comunicando uns com os outros e tendo que processar assim que os dados chegam. As interfaces de programação paralela existentes para exploração do paralelismo em aplicações de processamento de stream, ainda são muito complexas e limitantes. Elas têm sido desenvolvidas para sistemas computacionais de larga (clusters/cloud) ou média escala (servidores) e não fornecem mecanismos que lidam com autoadaptatividade para atender níveis de qualidade de serviço exigidos (latência, vazão ou consumo de energia). Esse projeto irá concentrar seus esforços para contribuir com o processo de desenvolvimento de software paralelo em sistemas computacionais constituídos de hardware embarcado com processadores de múltiplos núcleos. Visando acelerar o processo de entrega de novas soluções de software para o contexto das Tecnologias 4.0, os objetivos principais deste projeto são: tornar a exploração do paralelismo de stream mais produtiva e simples; fornecer abstrações de software para lidar com a implementação de estratégias autoadaptativas nas aplicações; e criar algoritmos para atender os requisitos de qualidade de serviço em tempo de execução.
Integrantes: Dalvan Jair Griebler - Coordenador / Luiz Gustavo Fernandes - Integrante / Adriano Vogel - Integrante / Junior Loff - Integrante / Renato Barreto Hoffmann - Integrante / Adriano Marques Garcia - Integrante / Gabriella Andrade - Integrante / Claudio Roberto Scheer Junior - Integrante.
Financiador:
Fundação de Amparo à Pesquisa do Estado do Rio Grande do Sul - Auxílio financeiro.
2020 - 2022
ParAS: Paralelismo em Aplicações de Stream
Description:
O processamento de fluxos de dados contínuo (stream) é um dos paradigmas mais usados nos sistemas computacionais modernos. o aumento da popularidade da internet das coisas (Internet of Things - IoT) e a explosão do grande volume de dados (Big Data) têm tornado o processamento de stream um tópico de tendência em pesquisa e desenvolvimento. Existem milhões de fontes de dados na Internet que estão gerando, coletando ou trocando informações através de diferentes dispositivos (computador pessoal, celulares, sensores, etc.). Nesse cenário, cresce rapidamente o número de aplicações de stream que necessitam explorar técnicas de computação paralela para conseguir atender à demanda por alta vazão no processamento dos dados e baixa latência na resposta aos usuários. Este projeto tem por objetivo o aperfeiçoamento e consolidação de um framework para permitir que aplicações de stream sejam paralelizadas de forma mais produtiva através de uma interface de programação própria de mais alto nível de abstração, atendendo a exploração do paralelismo em diferentes arquiteturas (e.g., clusters e GPUs.
Integrantes: Dalvan Jair Griebler - Integrante / Luiz Gustavo Fernandes - Coordenador / Gabriell Alves De Araujo - Integrante / Adriano José Vogel - Integrante / Junior Loff - Integrante / Ricardo Pieper - Integrante / Dinei André Rockenbach - Integrante / CLAUDIO SCHEPKE - Integrante / Renato Barreto Hoffmann - Integrante / Rodrigo da Rosa Righi - Integrante / Mariana Luderitz Kolberg - Integrante / Adriano Marques Garcia - Integrante / Gabriella Lopes Andrade - Integrante.
Financiador:
Fundação de Amparo à Pesquisa do Estado do Rio Grande do Sul - Auxílio financeiro.
2020 - 2021
Benchmarks para Processamento Paralelo de Stream
Description:
Este projeto busca estudar, compreender e avaliar benchmarks para processamento paralelo de stream. Existem diversos benchmarks que incluem aplicações para processamento de stream, porém, são poucos os que exploram paralelismo nessas aplicações. O objetivo deste projeto é investigar o estado-da-arte para mapear as linguagens, técnicas, paradigmas e aplicações mais utilizadas nesse domínio. Com isso, comparar os resultados com os benchmarks para verificar se eles são representativos o suficiente e quais lacunas ainda não foram preenchidas. Dessa forma, poderemos melhorar algumas aplicações desenvolvidas dentro do Grupo de Modelagem de Aplicações Paralelas (GMAP) para preencher essas lacunas. Os resultados esperados são um mapa do estado da arte para guiar a construção de um benchmark representativo utilizando o conjunto inicial de aplicações melhoradas.
Integrantes: Luiz Gustavo Leão Fernandes - Coordenador / Dalvan Griebler - Integrante / Adriano Marques Garcia - Integrante / Alexandre Borba - Integrante / André Sacilotto Santos - Integrante.
Financiador:
Pontifícia Universidade Católica do Rio Grande do Sul - Bolsa.
2018 - 2019
Benchmark Proposal for Performance and Energy Analysis of Computational Architectures Using Different Parallel Programming Interfaces
Description: This research project proposes the development of a benchmark to evaluate performance and energy consumption of different types of computer architecture using different parallel programming interfaces (IPPs). The benchmark will be based on a set of 13 applications used to measure the performance and power consumption of different IPPs in multi-core architectures. These applications are parallelized using four IPPs: OpenMP, Pthreads, MPI-1 and MPI-2. The goal of this research will be to implement these applications optimally for multicolors and coprocessors, in order to realize the full potential of these architectures.
Integrantes: Adriano Marques Garcia - Integrante / Claudio Schepke - Coordenador.
2013 - 2016
Performance Impact Analysis of Embedded Systems Using Parallel Programming
Description: Today, it is increasingly common to see multiple processors, both in common use architectures such as multicore and mobile devices. Parallel programming used in threads allows to explore the computational potential of the multiple execution cores (cores) of these architectures. However, while parallelization leads to increased program performance (reduced runtime), sharing information between cores via shared memory access leads to higher power consumption. However, the concern with energy consumption is a constant for embedded systems as they are battery powered. In addition, memory access not only generates high power consumption but also has a strong impact on the performance of parallel applications on the data availability function. In this sense, this project seeks to establish a relationship between power consumption and peak performance of parallel programming interfaces (IPP) in shared memory environments. They will be studied as IPPs that popularly use as OpenMP, Pthreads, Cilk ++, among others and different architectures like the Intel IA32 family, which use dominant in personal systems and are also using in embedded systems; and an ARM family, which is mostly used on mobile devices such as smartphones and tablets today. With this study, you are expected to develop an analytical model that can guide or develop how to reduce or impact the exploitation of parallelism without energy consumption.
Integrantes:
Adriano Marques Garcia - Integrante / Marcia Cristina Cera - Coordenador / Arthur Francisco Lorenzon - Integrante / Antonio Carlos Schneider Beck Filho - Integrante.
2012 - 2014
Parallel Program Study and Development: How to Take Advantage of Parallel Architectures
Description: Sorting algorithms are a historically widely investigated research theme. This is because a large part of the computationally solved problems depend on an ordering of elements as part of their solution. Although there are several sorting algorithms with known implementations and degrees of complexity, including taught as basic computing fundamentals, this is a problem that cannot be considered yet. This is because usually an algorithm is efficient only for specific situations, for example for sorting small data entries or when a large amount of memory is available to be used during sorting as backup storage. This last point has been investigated within the UNIPAMPA LEA (Laboratory for Advanced Studies in Computing) group, which aims for efficient sorting algorithms that do not use backup memory. In many cases, the elements to be sorted take up all available memory and you must sort these data in place. There is already a first version of an ordering algorithm developed in LEA, which was implemented with the JAVA language. The objective of this project is to work on the parallelization of the algorithm. The parallelization effort would be focused on using native thread support in JAVA. As a result it is expected to be able to perform the sorting with high performance.
Integrantes:
Adriano Marques Garcia - Integrante / Marcia Cristina Cera - Coordenadora / Sergio Luis Sardi Mergen - Integrante.
Financiador:
Universidade Federal do Pampa (UNIPAMPA) - Bolsa.