Your browser does not support JavaScript!

Αρχική    High Performance Kubernetes (HPK) : transparent and robust execution of unmodified Cloud-native data science and machine learning workloads on HPC infrastructures  

Αποτελέσματα - Λεπτομέρειες

Προσθήκη στο καλάθι
[Προσθήκη στο καλάθι]
Κωδικός Πόρου 000467051
Τίτλος High Performance Kubernetes (HPK) : transparent and robust execution of unmodified Cloud-native data science and machine learning workloads on HPC infrastructures
Άλλος τίτλος High Performance Kubernetes (HPK): διαφανής και εύρωστη εκτέλεση μη τροποποιημένων Cloud-native εργασιών επιστήμης δεδομένων και μηχανικής μάθησης σε υποδομές HPC
Συγγραφέας Μαλιαρουδάκης, Ευάγγελος Κ.
Σύμβουλος διατριβής Μπίλας, Αγγελος
Μέλος κριτικής επιτροπής Βασιλειάδης, Γιώργος
Πρατικάκης, Πολύβιος
Περίληψη Τα περιβάλλοντα Νέφους και Υπολογιστών Υψηλής Απόδοσης (High-Performance Computing - HPC ) τείνουν να είναι παρόμοια όσον αφορά τις δυνατότητες του υ- λικού, αλλά το λογισμικό και οι προσεγγίσεις διαχείρισης των πόρων τους παραμένουν διαφορετικές. Τα HPC περιβάλλοντα συνήθως χρησιμοποιούν Slurm για τον προγραμ- ματισμό εργασιών, ενώ τα περιβάλλοντα Νέφους βασίζονται στο Kubernetes για την ενορχήστρωση των ςονταινερς. Ενώ είναι δυνατή η εκτέλεση υβριδικών εργασιών σε αυτά τα περιβάλλοντα χρησιμοποιώντας μηχανισμούς γεφύρωσης των υποδομών, αυτή η προσέγγιση συχνά απαιτεί δαπανηρές μεταφορές δεδομένων και περιορίζεται από τις πολιτικές δικτύου και πρόσβασης. Η παρούσα εργασία επεκτείνει και βασίζεται στο High-Performance Kubernetes (HPK) , μια συνέχεια του έργου KNoC (Kubernetes Node on HPC Cluster) , ένα πλαίσιο που επιτρέπει την εκτέλεση Kubernetes εφαρμογών απευθείας σε υποδομές HPC . Επιπλέον, επικεντρώνεται στην ανασχεδίαση του runtime περιβάλλοντος του HPK για την ενίσχυση της ευρωστίας και της λειτουργικότητας. Ο βελτιωμένος σχε- διασμός του HPK παραμένει πρακτικός για τα κέντρα HPC , απαιτώντας ελάχιστη προ-διαμόρφωση και ευθυγραμμίζεται με τις υπάρχουσες πολιτικές διαχείρισης και λ- ογιστικής πόρων. Αξιολογούμε το HPK αναπτύσσοντας και εκτελώντας εφαρμογές κατανεμημένης Μηχανικής Μάθησης (ML) και Επιστήμης Δεδομένων εντός ενός περιβάλλοντος H- PC . Τα αποτελέσματα δείχνουν εάν το νέο HPK μπορεί να προσφέρει μια πρακτική λύση για την εκτέλεση σύνθετων εφαρμογών Επιστήμης Δεδομένων και μηχανικής μάθησης σε clusters HPC χωρίς τροποποιήσεις.
Φυσική περιγραφή vi, 32 σ. : σχεδ., πιν., εικ. (μερ. εγχρ.) ; 30 εκ.
Γλώσσα Αγγλικά
Ημερομηνία έκδοσης 2024-11-29
Συλλογή   Σχολή/Τμήμα--Σχολή Θετικών και Τεχνολογικών Επιστημών--Τμήμα Επιστήμης Υπολογιστών--Μεταπτυχιακές εργασίες ειδίκευσης
  Τύπος Εργασίας--Μεταπτυχιακές εργασίες ειδίκευσης
Εμφανίσεις 1547

Ψηφιακά τεκμήρια
No preview available

Δεν έχετε δικαιώματα για να δείτε το έγγραφο.
Δεν θα είναι διαθέσιμο έως: 2025-05-29