멀티코어 상에서 MapReduce를 이용한 과학 어플리케이션의 병렬화 연구

Abstract

슈퍼컴퓨터의 사용을 원하는 응용 과학자들이 가장 고통스러워하는 것은 병렬 프로그래밍이다. 병렬 프로그래밍은 순차적 프로그래밍과는 전혀 다른 사고를 필요로 하기 때문이다. MapReduce는 데이터 병렬 처리 방식을 위한 데이터 병렬 처리 방식은 대규모의 데이터 분석을 수반하는 거대 과학 분야, 즉 기상, 천문학, 고에너지 물리, 지노믹스 등에 대단히 유용하다.나의 패턴을 제공하고 있으며, 이를 실행 할 수 있는 Runtime 시스템까지 제공한다. 본 연구는 멀티코어 프로세서의 동향, 멀티코어에서 MapReduce 기반의 병렬 프로그래밍 모형, 그리고 멀티코어를 위한 Phoenix 소스 코드 분석 및 과학 어플리케이션에 대한 적용에 대해 연구하였다. 1. 저전력 소비형 멀티코어 칩과 엑셀러레이터의 발전에 따라 사용자에게 보급 증가 추세에 있는 퍼스널 슈퍼컴퓨터의 구조, 성능과 에너지 효율의 우수성, 그리고 그의 활용 극대화를 위한 병렬 프로그래밍 수단을 조사하였다. 2. 병렬 프로그래밍에 대한 과학자의 어려움을 해소할 수 있도록 MapReduce 기반의 병렬 프로그래밍 모형인 Phonix와 Merge를 조사 분석하였다. 3. 동일한 코어로 구성된 멀티코어 프로세서를 위한 MapReduce Runtime 시스템을 분석하였으며, GenClust에 대한 Phoenix의 적용을 시도하였다.

○ Analyzing multi-core computer architecture investigation - Research on multi-core processor trends in PC market - Research on low energy consuming heterogeneous multi-core processors for HPC ○ Analyzing multi-core MapReduce Runtime system - Analyzing the research on parallel programming model based on the MapReduce - Analyzing Phoenix source code ○ Suggesting the applicability of the science application - Survey use cases of applying MapReduce to the science problem - Selecting the data intensive application of bio-informatics field - Applying Phoenix to GenClust and testing practicability and expansions