Saltar para:
Logótipo
Você está em: Início > Publicações > Visualização > GRAND: toward scalability in a grid environment

GRAND: toward scalability in a grid environment

Título
GRAND: toward scalability in a grid environment
Tipo
Artigo em Revista Científica Internacional
Ano
2007
Autores
Patricia Kayser Vargas
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Ines C Dutra
(Autor)
FCUP
Vinfcius D do Nascimento
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Lucas A S Santos
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Luciano C da Silva
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Claudio F R Geyer
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Bruno Schulze
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Revista
Vol. 19
Páginas: 1991-2009
ISSN: 1532-0626
Editora: Wiley-Blackwell
Classificação Científica
FOS: Ciências exactas e naturais > Ciências da computação e da informação
Outras Informações
ID Authenticus: P-005-5PK
Abstract (EN): One of the challenges in Grid computing research is to provide a means to automatically submit, manage, and monitor applications whose main characteristic is to be composed of a large number of tasks. The large number of explicit tasks, generally placed on a centralized job queue, can cause several problems: (1) they can quickly exhaust the memory of the submission machine; (2) they can deteriorate the response time of the submission machine due to these demanding too many open ports to manage remote execution of each of the tasks; (3) they may cause network traffic congestion if all tasks try to transfer input and/or output files across the network at the same time; (4) they make it impossible for the user to follow execution progress without an automatic tool or interface; (5) they may depend on fault-tolerance mechanisms implemented at application level to ensure that all tasks terminate successfully. In this work we present and validate a novel architectural model, GRAND (Grid Robust ApplicatioN Deployment), whose main objective is to deal with the submission of a large numbers of tasks. Copyright (c) 2006 John Wiley & Sons, Ltd.
Idioma: Inglês
Tipo (Avaliação Docente): Científica
Contacto: kayser@unilasalle.edu.br
Nº de páginas: 19
Documentos
Não foi encontrado nenhum documento associado à publicação.
Publicações Relacionadas

Da mesma revista

Special Issue: Recent advances in quantum computing and quantum neural networks (2022)
Outra Publicação em Revista Científica Internacional
Fernandes, S; Zhang, YD; João Manuel R. S. Tavares
Special Issue: Euro-Par 2014 (2015)
Outra Publicação em Revista Científica Internacional
Christian Lengauer; Luc Bougé; Fernando Silva
Foreword to the special issue of the 18th IEEE international conference on computational science and engineering (CSE2015) (2017)
Outra Publicação em Revista Científica Internacional
Plessl, C; Cong, GJ; João M. P. Cardoso
Editorial Heteropar Special Issue (2018)
Outra Publicação em Revista Científica Internacional
Jorge Manuel Gomes Barbosa; Emmanuel Jeannot
Multi-dimensional lock-free arrays for multithreaded mode-directed tabling in Prolog (2019)
Artigo em Revista Científica Internacional
Miguel Areias; Ricardo Rocha

Ver todas (7)

Recomendar Página Voltar ao Topo
Copyright 1996-2024 © Faculdade de Arquitectura da Universidade do Porto  I Termos e Condições  I Acessibilidade  I Índice A-Z  I Livro de Visitas
Página gerada em: 2024-11-08 às 07:20:54 | Política de Utilização Aceitável | Política de Proteção de Dados Pessoais | Denúncias