Ιδρυματικό Αποθετήριο
Πολυτεχνείο Κρήτης
Πολυτεχνείο Κρήτης
EN
|
EL
| URI | http://purl.tuc.gr/dl/dias/DCD54224-28FD-432B-B65B-2A8AB31015B3 | - |
| Αναγνωριστικό | http://ceur-ws.org/Vol-1558/paper1.pdf | - |
| Γλώσσα | en | - |
| Μέγεθος | 6 pages | en |
| Τίτλος | Leveraging reconfigurable computing in distributed real-time computation systems | en |
| Δημιουργός | Nydriotis Apostolos | en |
| Δημιουργός | Νυδριωτης Αποστολος | el |
| Δημιουργός | Malakonakis Pavlos | en |
| Δημιουργός | Μαλακωνακης Παυλος | el |
| Δημιουργός | Pavlakis Nikolaos | en |
| Δημιουργός | Παυλακης Νικολαος | el |
| Δημιουργός | Chrysos Grigorios | en |
| Δημιουργός | Χρυσος Γρηγοριος | el |
| Δημιουργός | Ioannou Aikaterini | en |
| Δημιουργός | Ιωαννου Αικατερινη | el |
| Δημιουργός | Sotiriadis Evripidis | en |
| Δημιουργός | Σωτηριαδης Ευριπιδης | el |
| Δημιουργός | Garofalakis Minos | en |
| Δημιουργός | Γαροφαλακης Μινως | el |
| Δημιουργός | Dollas Apostolos | en |
| Δημιουργός | Δολλας Αποστολος | el |
| Εκδότης | CEUR-WS | en |
| Περίληψη | The community of Big Data processing typically performs realtime computations on data streams with distributed systems such as the Apache Storm. Such systems offer substantial parallelism; however, the communication overhead among nodes for the distribution of the workload places an upper limit to the exploitable parallelism. The contribution of the present work is the integration of a reconfigurable platform with the Apache Storm, which is the main platform of the Big Data streaming processing community. By exploiting the internal bandwidth of FPGAs we show that the computational limits for stream processing are significantly increased vs. conventional distributed processing without compromising on the platform of choice or its seamless operation in a dynamic pipeline. The integration of a Maxeler MPC-C Series platform with the Apache Storm, as presented in detail, yields on the Hayashi-Yoshida correlation algorithm an impressive tenfold increase in real-time streaming input capacity, which corresponds to a hundred-fold computational load. Our methodology is sufficiently general to apply to any class of distributed systems or reconfigurable computers, and this work presents quantitative results of the expected I/O performance, depending on the means of network connection. | en |
| Τύπος | Πλήρης Δημοσίευση σε Συνέδριο | el |
| Τύπος | Conference Full Paper | en |
| Άδεια Χρήσης | http://creativecommons.org/licenses/by/4.0/ | en |
| Ημερομηνία | 2018-10-26 | - |
| Ημερομηνία Δημοσίευσης | 2016 | - |
| Θεματική Κατηγορία | Distributed computational system | en |
| Θεματική Κατηγορία | High performance computing | en |
| Θεματική Κατηγορία | Hybrid computational platform | en |
| Θεματική Κατηγορία | Multi FPGA platform | en |
| Θεματική Κατηγορία | Storm | en |
| Θεματική Κατηγορία | Streaming big data | en |
| Βιβλιογραφική Αναφορά | A. Nydriotis, P. Malakonakis, N. Pavlakis, G. Chrysos, E. Ioannou, E. Sotiriades, M. Garofalakis and A. Dollas, "Leveraging reconfigurable computing in distributed real-time computation systems," in EDBT/ICDT 2016 Joint Conference, 2016. | en |
Copyright © DIAS 2013
