Μελέτη και αξιολόγηση τεχνικών παραλληλοποίησης δομών δεδομένων και αλγορίθμων

Γιαννούλα, Χριστίνα Χρ.; Giannoula, Christina Chr.

dc.contributor.author	Γιαννούλα, Χριστίνα Χρ.	el
dc.contributor.author	Giannoula, Christina Chr.	en
dc.date.accessioned	2016-09-14T11:39:25Z
dc.date.available	2016-09-14T11:39:25Z
dc.date.issued	2016-09-14
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/43518
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.9414
dc.rights	Default License
dc.subject	Παράλληλες δομές δεδομένων	el
dc.subject	Δυαδικά δέντρα αναζήτησης	el
dc.subject	Δυαδικά δέντρα αναζήτησης	el
dc.subject	Κλιμακωσιμότητα	el
dc.subject	Παράλληλος προγραμματισμός	el
dc.subject	Αλγόριθμος του Dijkstra	el
dc.subject	Helper threads	en
dc.subject	Hardware transactional memory	en
dc.title	Μελέτη και αξιολόγηση τεχνικών παραλληλοποίησης δομών δεδομένων και αλγορίθμων	el
heal.type	bachelorThesis
heal.secondaryTitle	Parallelization techniques in data structures and algorithms	en
heal.classification	Παράλληλοι αλγόριθμοι, ανάλυση και προγραμματισμός	el
heal.classification	Ταυτοχρονισμός και παραλληλισμός	el
heal.classification	Παραλληλισμός	el
heal.classification	Παράλληλη αρχιτεκτονική	el
heal.classification	Βασικές δομές δεδομένων	el
heal.classification	Parallelism fundamentals	en
heal.classification	Data structures (Computer science)--Congresses	en
heal.classification	Parallelism	en
heal.classification	Parallel computers	en
heal.classification	Concurrency and parallelism	en
heal.classificationURI	http://data.seab.gr/concepts/9583c1c66ce6e0b1ef3896e1791df755769272b2
heal.classificationURI	http://data.seab.gr/concepts/c926feba437a8b1179bd98f6e021984f68500254
heal.classificationURI	http://data.seab.gr/concepts/8f1685b3cb44b04640f6061e60f694735903901f
heal.classificationURI	http://data.seab.gr/concepts/3cc27a0e031ced6d3d6ff18d375e93393c29d431
heal.classificationURI	http://data.seab.gr/concepts/ce20893b5464bf83cbb5cf7c0ec4e9b5affd8fa5
heal.classificationURI	http://data.seab.gr/concepts/9fa03c66ac4ea9ec21b6098ba43e9b00b5292ee0
heal.classificationURI	http://id.loc.gov/authorities/subjects/sh2009122874
heal.classificationURI	http://id.loc.gov/authorities/subjects/sh00006627
heal.classificationURI	http://id.loc.gov/authorities/subjects/sh89004421
heal.classificationURI	http://data.seab.gr/concepts/c926feba437a8b1179bd98f6e021984f68500254
heal.language	el
heal.language	en
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2016-07-14
heal.abstract	Στις μέρες μας, οι πολυπύρηνοι επεξεργαστές έχουν γίνει η κυρίαρχη πλατφόρμα υπολογισμών και έχουν εισαχθεί σε πολλά προγραμματιστικά περιβάλλοντα. Ο παράλληλος προγραμματισμος δεν αφορά πλέον μόνο επιστημονικές εφαρμογές που τρέχουν σε υπερυπολογιστές, αλλά καλύπτει επίσης ένα μεγάλο φάσμα εφαρμογών για προσωπικούς υπολογιστές. Ένα από τα πιο δύσκολα προβλήματα στα συστήματα παράλληλης επεξεργασίας είναι η ανάπτυξη παράλληλου λογισμικού το οποίο κλιμακώνει αποδοτικά. Αρκετές εφαρμογές δεν κλιμακώνουν μετά από έναν αριθμό επεξεργαστών εξαιτίας του αυξημένου κόστους επικοινωνίας. Προκειμένου να αξιοποιηθούν οι διαθέσιμες αρχιτεκτονικές, οι βασικές δομές δεδομένων και οι σειριακοί αλγόριθμοι πρέπει να επανασχεδιασθούν. Το πρώτο μέρος αυτής της διπλωματικής αφορά τις παράλληλες δομές δεδομένων, με ιδιαίτερη έμφαση στα δυαδικά δέντρα αναζήτησης, εξετάζοντας τον τρόπο συγχρονισμού τους, τα ιδιαίτερα χαρακτηριστικά τους και την κλιμακωσιμότητα που προσφέρουν. Στο δεύτερο μέρος της διπλωματικής παρουσιάζεται μια παραλληλοποίηση του αλγορίθμου του Dijkstra που είναι ένας σειριακός αλγόριθμος. Αυτή η υλοποίηση χρησιμοποιεί Transactional Memory, για να συντονίσει αποτελεσματικά τις ταυτόχρονες προσβάσεις των νημάτων στις κοινές δομές δεδομένων και την έννοια των Helper Threads, για να εξάγει παραλληλισμό. Η αξιολόγηση του αλγορίθμου γίνεται σε ένα σύστημα που υποστηρίζει Hardware Transactional Memory.	el
heal.abstract	Nowadays, multicore processors have become the dominant computing platform and are being used by many programming environments. Parallel programming is no longer about scientific applications run in supercomputers, but covers a wider range of applications on personal computers, too. The most difficult problem is to develop parallel software that scales efficiently. Several applications do not scale further than a number of processors due to communication overhead. To exploit the available architectures basic data structures and sequential algorithms must be redesigned. In the first part of this thesis we study concurrent data structures, particularly focusing on concurrent binary search trees, with respect to the way they are synchronized, their special characteristics and the scalability they provide. The second part of this thesis presents a parallelization of the inherently serial Dijkstra's algorithm. This implementation employs Transactional Memory to efficiently orchestrate the concurrent thread's accesses to shared data structures and the concept of Helper Threads to extract parallelism. We evaluate the execution of the algorithm on a system that supports Hardware Transactional Memory.	en
heal.advisorName	Γκούμας, Γεώργιος	el
heal.committeeMemberName	Γκούμας, Γεώργιος	el
heal.committeeMemberName	Κοζύρης, Νεκτάριος	el
heal.committeeMemberName	Σαγώνας, Κωνσταντίνος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών. Εργαστήριο Υπολογιστικών Συστημάτων	el
heal.academicPublisherID	ntua
heal.numberOfPages	229 σ.
heal.fullTextAvailability	true