| A abordagem PnP (Pipe 'n Prune) e considerada uma das abordagens mais promissoras da literatura para computacão de cubos em arquiteturas de computadores com memória distribuída. Infelizmente, a abordagem PnP gera uma enorme quantidade de dados redundantes. No geral, a PnP não considera a uniformidade nos dados, denominada skew. Não considerar o skew no particionamento da carga de trabalho impõe máxima redundância de dados, mesmo com dados uniformes. Diante deste cenário, foi desenvolvida a abordagem P2CDM (acrônimo de Parallel Cube Computation with Distributed Memory), que possui comunicação minimizada e gera redundância de dados sob demanda, dependendo do grau de uniformidade dos dados. Neste sentido, a abordagem
P2CDM permite a computação de cubos completos a partir de um certo grau de uniformidade nos dados e cubos parciais quando o grau de uniformidade nos dados ultrapassar m limite prede nido. Os experimentos demonstram que as abordagens PnP e P2CDM possuem acelerações similares, porem a abordagem P2CDM e 20-25% mais rápida e consome 30-40% menos memória em cada no do cluster, quando comparada com a abordagem PnP. |
Download da Dissertação
