High-resolution scatter analyse using cloud computing

• Autorzy: Krupa, A. , Sawicki, B.

Warianty tytułu

PL

Wysokiej rozdzielczości analiza zmienności parametrów przy wykorzystaniu chmury obliczeniowej

• Języki publikacji: EN

Abstrakty

EN

Cloud computing is the newest approach to solve computationally challenging problems. It is oriented on optimization of processing costs using low-budget, standard computers. Algorithmic scheme for such problems is MapReduce. We will show how to use MapReduce architecture to efficiently solve high number of independent analysis needed for scatter plots. Presented case study is based on simple student problem solved using FEM. High-resolution scatter plot image introduce new quality in visualization of results.

PL

Chmura obliczeniowa (ang. cloud computing) to najnowsze podejście do rozwiązywania problemów złożonych obliczeniowo. Jest to architektura zorientowana na optymalizację kosztów przetwarzania przy użyciu niskobudżetowych, standardowych komputerów. Algorytmem obliczeniowym dla takich problemów jest MapReduce. W niniejszym artykule pokażemy jak wykorzystać MapReduce do efektywnego rozwiązywania dużej liczby niezależnych analiz, które zostaną zobrazowane przy pomocy wykresu zmienności. Zaprezentowany przykład jest prostym studenckim problemem MES. Wysokiej rozdzielczości analiza wprowadzaj nową jakość w wizualizacji wyników.

Słowa kluczowe

PL

chmura obliczeniowa; symulacja pola elektrycznego; analiza zmienności; MapReduce

EN

cloud computing; electric field; simulation; scatter; MapReduce

• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2015
• Tom: R. 91, nr 12
• Strony: 140-142
• Opis fizyczny: Bibliogr. 8 poz., rys.

Twórcy

autor

Krupa, A.

• Warsaw University of Technology, IETiSIP, 75 Koszykowa St., 00-662 Warsaw, POLAND,

autor

Sawicki, B.

• Warsaw University of Technology, IETiSIP, 75 Koszykowa St., 00-662 Warsaw, POLAND,

Bibliografia

• [1] B. Sawicki, Uncertainty of numerical simulations in bioelectromagnetic problem, Przegląd Elektrotechniczny, no. 07, pp. 49-51 (2015)
• [2] G. D’Angelo, M. Marzolla, New trends in parallel and distributed simulation: From many-cores to Cloud Computing, Simul. Model. Pract. Theory, 49 (2014), pp. 126
• [3] D. Kondo, B. Javadi, P. Malecot, F. Cappello, D. P. Anderson and U. C. Berkeley, Cost-Benefit Analysis of Cloud Computing versus Desktop Grids, Parallel & Distributed Processing 2009, IPDPS 2009, IEEE International Symposium on. IEEE, 2009 (2009), p. 1-12
• [4] S. Filipowicz, S. Krzemiński, J. Sikora, J. Starzyński (red.), S. Wincenciak, Laboratorium Podstaw Elektromagnetyzmu, Oficyna Wydawnicza PW, (2005)
• [5] H. Miras, R. Jimenes, C. Miras, C. Goma, CloudMC: a cloud computing application for Monte Carlo simulation. Physics in Medicine and Biolog, 58 (2013), N125–33
• [6] B. S. Kim, S. J. Lee and T. G. Kim, MapReduce Based Experimental Frame for Parallel and Distributed Simulation Using Hadoop Platform, in Proceedings 28th European Conference on Modelling and Simulation, (2014)
• [7] Radenski, Atanas, Big Data, High-Performance Computing and MapReduce, in Proceedings 15th International Conference on Computer Systems and Technologies – CompSysTech’14, (2014), p. 13–24.
• [8] A. Krupa, B. Sawicki, Massive simulations using MapReduce model, Informatyka Automatyka Pomiary w Gospodarce i Ochronie Środowiska, Accepted for publication (2015)