Mostrar el registro sencillo del ítem

dc.contributor.authorLópez, Francisco
dc.contributor.authorGrass, Thomas
dc.contributor.authorAsenjo-Plaza, Rafael 
dc.contributor.authorNavarro, Ángeles
dc.date.accessioned2019-09-23T07:45:14Z
dc.date.available2019-09-23T07:45:14Z
dc.date.created2019
dc.date.issued2019
dc.identifier.citationAvances en Arquitectura y Tecnología de Computadores, Actas de las Jornadas SARTECO 2019en_US
dc.identifier.urihttps://hdl.handle.net/10630/18430
dc.description.abstractPython se ha convertido en un lenguaje de programación muy popular, pero también es uno de los menos eficientes en términos de prestaciones y consumo energético. Este artículo describe el proceso que hemos seguido para acelerar una aplicación Python de tratamiento masivo de datos orientada a las Time-Series sismográficas, de manera que al usuario final se le sigue ofreciendo la productiva interfaz Python que tanta aceptación tiene. Este proceso se ha desplegado siguiendo una estrategia en tres fases. En la primera fase se ha aplicado un cambio algorítmico cuyo objetivo ha sido reducir la complejidad computacional del principal kernel (hot-spot) del código: las correlaciones cruzadas. Para ello se ha optado por implementar dichas correlaciones aplicando el Teorema de la Convolución. En la segunda fase se ha aplicado un cambio de modelo de programación que ha consisitido en la implementación en C++ del kernel, lo que nos ha permitido la utilización de la muy optimizada biblioteca FFTW. En la tercera fase, gracias al cambio del modelo de programación, aplicamos optimizaciones conscientes de la arquitectura, entre ellas OpenMP, para aprovechar los nodos multicore de nuestro sistema, o ArrayFire que nos permite hacer uso de aceleradores gráficos (con soporte en CUDA y OpenCL). Tras este proceso de optimización hemos obtenido una aceleración de 6121x sobre la aplicación original de partida.en_US
dc.description.sponsorshipUniversidad de Málaga. Campus de Excelencia Internacional Andalucía Tech.en_US
dc.language.isospaen_US
dc.publisherMiguel Angel Vega Rodríguez y Antonio J. Plaza Miguelen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectPython (Lenguaje de programación)en_US
dc.subject.otherTime-seriesen_US
dc.subject.otherProcesado de señalen_US
dc.subject.otherComputación de altas prestacionesen_US
dc.subject.otherOpenMPen_US
dc.subject.otherArray-Fireen_US
dc.titleAceleración de Time-Series sismográficas en Pythonen_US
dc.typeinfo:eu-repo/semantics/workingPaperen_US
dc.centroE.T.S.I. Informáticaen_US
dc.relation.eventtitleXXX Jornadas SARTECOen_US
dc.relation.eventplaceCáceresen_US
dc.relation.eventdate18/09/2019en_US
dc.rights.ccAttribution-NonCommercial-NoDerivatives 4.0 Internacional*


Ficheros en el ítem

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-NoDerivatives 4.0 Internacional