{"id":1146,"date":"2023-09-16T19:43:45","date_gmt":"2023-09-16T19:43:45","guid":{"rendered":"https:\/\/cloud.ic.uff.br\/?page_id=1146"},"modified":"2023-09-16T19:51:58","modified_gmt":"2023-09-16T19:51:58","slug":"projeto-faperj-cne","status":"publish","type":"page","link":"https:\/\/cloud.ic.uff.br\/index.php\/pt\/projeto-faperj-cne\/","title":{"rendered":"FAPERJ CNE"},"content":{"rendered":"\n
Utiliza\u00e7\u00e3o Eficiente de Nuvens Computacionais como Alternativa Econ\u00f4mica para Computa\u00e7\u00e3o de Alto Desempenho<\/strong><\/h5>\n\n\n\n

Coordenadora: L\u00facia Maria de Assump\u00e7\u00e3o Drummond<\/span><\/p>\n\n\n\n

Aplica\u00e7\u00f5es estrat\u00e9gicas para o pa\u00eds, como as da \u00e1rea de petr\u00f3leo, meteorologia e biologia, dependem de computa\u00e7\u00e3o de alto desempenho (High Performance Computing – HPC) para processar grandes quantidades de dados. Nuvens computacionais t\u00eam surgido como uma alternativa de baixo custo para HPC, oferecendo um conjunto de recursos virtualizados que podem ser rapidamente provisionados e dinamicamente escalon\u00e1veis. Por\u00e9m, ainda existem diversas barreiras para seu uso. Uma delas est\u00e1 em fazer uso eficiente e escal\u00e1vel dos recursos e da aloca\u00e7\u00e3o das m\u00e1quinas virtuais (MVs), o que produz impacto direto no desempenho e no custo financeiro. Al\u00e9m disso, as nuvens s\u00e3o propensas a falhas e para satisfazer os acordos de n\u00edvel de servi\u00e7o, a toler\u00e2ncia a falhas de MVs em nuvens \u00e9 uma grande preocupa\u00e7\u00e3o.<\/p>\n\n\n\n

Um outro aspecto importante das nuvens no contexto de computa\u00e7\u00e3o de alto desempenho \u00e9 a oferta de Graphics Processing Units (GPUs) nesses ambientes. GPUs provaram ser uma plataforma poderosa e eficiente para acelerar uma grande classe de aplicativos com uso intensivo de computa\u00e7\u00e3o. Por esse motivo, muitos datacenters de larga escala s\u00e3o baseados em arquitetura heterog\u00eanea, que inclui CPUs e GPUs, para atender aos requisitos de alto desempenho e throughput de dados. Seguindo essa tend\u00eancia, as GPUs tamb\u00e9m est\u00e3o sendo usadas em nuvens computacionais. A explora\u00e7\u00e3o de GPUs nas nuvens, por meio da virtualiza\u00e7\u00e3o da GPU, permite que dispositivos f\u00edsicos sejam logicamente desacoplados de um n\u00f3 computacional e compartilhados por qualquer aplicativo, resultando em redu\u00e7\u00e3o de custos monet\u00e1rios, economia de energia e mais flexibilidade.<\/p>\n\n\n\n

Nesse cen\u00e1rio, o compartilhamento eficiente de uma GPU por diferentes aplicativos \u00e9 um recurso indispens\u00e1vel. A fim de permitir melhor aproveitamento do uso das GPUs, \u00e9 necess\u00e1rio tratar a quest\u00e3o da concorr\u00eancia e escalonamento de kernels neste ambiente. Nesse contexto, este projeto trata das quest\u00f5es de ger\u00eancias de recursos, CPUs e GPUs.<\/p>\n\n\n\n

\n\n\n\n
Equipe<\/strong><\/h5>\n\n\n\n
Universidade Federal Fluminense<\/strong> (UFF)<\/th><\/tr><\/thead>
L\u00facia Maria de Assump\u00e7\u00e3o Drummond<\/span>   \"\"<\/a>   \"\"<\/a>   <\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n
\n\n\n\n
Publica\u00e7\u00f5es<\/strong><\/h5>\n