(Programa de Pós-Graduação em Ciência da Computação. Departamento de Ciência da Computação, Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto., 2012) Moreira, Angélica Aparecida; Lima, Joubert de Castro
A abordagem PnP (Pipe ’n Prune) é considerada uma das abordagens mais promissoras da literatura para computação 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 um limite predefinido. Os experimentos demonstram que as abordagens PnP
e P2CDM possuem acelerações similares, porém a abordagem P2CDM ´e 20-25% mais
rápida e consome 30-40% menos memória em cada nó do cluster, quando comparada
com a abordagem PnP.
