Judul Jurnal : Parallel image computation in clusters with task‑distributor
Link Jurnal : https://springerplus.springeropen.com/articles/10.1186/s40064-016-2254-x
Hasil Analisa :
Perhitungan citra paralel dengan menggunakan POV-Ray pada cluster dapat disederhanakan dengan software task-distributor. Berbeda dengan solusi yang ada, dijelaskan pada bagian "related work" (di jurnal ini), solusi penyalur tugas tidak memerlukan sistem message passing seperti MPI atau PVM dan tidak ada modifikasi pada kode sumber POV-Ray. Selain itu, solusi ini memanfaatkan sumber daya jaringan dengan cara yang lebih efisien dan komputasi yang banyak berusaha memaksimalkan pekerjaan dilakukan secara paralel. Cluster komputer single board seperti Rasberry Pi berguna untuk tujuan akademis dan proyek penelitian karena biaya pembelian dan operasinya lebih rendah dibandingkan untuk sumber daya server. (lihat gambar dibawah ini)
Menganalisa runtime dan speedup dari Task-Distributor dapat menunjukan bahwa sekelompok komputer single board merupakan platform yang tepat untuk melihat dan memahami skala dari aplikasi paralel, pengaruh ukuran masalah dan dampak yang ada pada sumber daya memori utama. Task-Distributor dapat diadaptasi dengan sedikit usaha dengan cara yang dijalankan bukan hanya POV-Ray jobs, tetapi juga aplikasi lain secara paralel dalam sistem terdistribusi.
Sebuah penyempurnaan yang bermanfaat dari task-distributor, terutama untuk heterogen cluster, kemudian fungsi implementasi load-balancing yang mengambil keadaan dan beban single node akan diperhitungkan. Selanjutnya adalah implementasi cluster dari berbagai komputer papan tunggal seperti BananaPi atau ODROID-U3 dan membandingkan kinerjanya. Sejak februari 2015, Rasberry Pi 2 telah tersedia dan menyediakan lebih banyak komputasi daya dan memori utama dibandingkan dengan node cluster dalam penelitian ini. Membangun cluster dari komputer ini adalah salah satu langkah berikutnya. Sangat menarik untuk mengetahui bagaimana meningkatkan inti prosesor dengan empat faktor dan menggandakan memori utama per node untuk mempengaruhi runtime dan kecepatannya.
Menganalisa runtime dan speedup dari Task-Distributor dapat menunjukan bahwa sekelompok komputer single board merupakan platform yang tepat untuk melihat dan memahami skala dari aplikasi paralel, pengaruh ukuran masalah dan dampak yang ada pada sumber daya memori utama. Task-Distributor dapat diadaptasi dengan sedikit usaha dengan cara yang dijalankan bukan hanya POV-Ray jobs, tetapi juga aplikasi lain secara paralel dalam sistem terdistribusi.
Sebuah penyempurnaan yang bermanfaat dari task-distributor, terutama untuk heterogen cluster, kemudian fungsi implementasi load-balancing yang mengambil keadaan dan beban single node akan diperhitungkan. Selanjutnya adalah implementasi cluster dari berbagai komputer papan tunggal seperti BananaPi atau ODROID-U3 dan membandingkan kinerjanya. Sejak februari 2015, Rasberry Pi 2 telah tersedia dan menyediakan lebih banyak komputasi daya dan memori utama dibandingkan dengan node cluster dalam penelitian ini. Membangun cluster dari komputer ini adalah salah satu langkah berikutnya. Sangat menarik untuk mengetahui bagaimana meningkatkan inti prosesor dengan empat faktor dan menggandakan memori utama per node untuk mempengaruhi runtime dan kecepatannya.
0 komentar:
Posting Komentar