Show simple item record

dc.contributor.advisorBlanco Pérez, Vicente José 
dc.contributor.advisorAlmeida Rodríguez, Francisco Carmelo 
dc.contributor.authorPérez Znakar, Omar Patricio
dc.contributor.otherMáster en Ingeniería Informática
dc.date.accessioned2021-04-05T07:45:53Z
dc.date.available2021-04-05T07:45:53Z
dc.date.issued2021
dc.identifier.urihttp://riull.ull.es/xmlui/handle/915/22678
dc.description.abstractToday Kubernetes deployments have had a major impact on web applications based on microservices architectures. Its most notable potential is the ability to scale and manage the services associated with these applications that run in the cloud, usually with container based technology. A wide variety of tools and environments are available that enable enhancements to Kubernetes deployments. However, one of the drawbacks that arise in this area is that it is not precisely known which software has the ideal characteristics to provide better performance in specific problems or, if not, the execution is better on a system without containerization. The objective of this project is to develop a comparison of runtime environments with and without containers in order to analyze whether Kubernetes is a viable alternative to running on a server without containerization for High Performance Computing (HPC) workloads. In order to carry out this objective, the “GraphCloud ” application has been created for this project, which consists of a computer service that allows applications to be launched remotely from authorized clients. This application is under the development stack called ” MEVN ” (Mongodb, Express, Vue.js and node.js) allowing, in addition, to apply various technologies in the field of High Performance Computing. At the same time, we must emphasize that an exhaustive performance analysis will be carried out on Machine Learning algorithms and Gaussian filter on images, executing each one both sequentially and in parallel. The project has been developed using technology in three systems, in a personal computer (processor with 4 cores), in the IaaS of the University of La Laguna (corresponding to a structure of virtualized machines of a core) and, later, in the private server (Verode) of the research group ”High Performance Computing”(server with 40 integrated cores). The performance analysis we have conducted focuses on the latter system.en
dc.description.abstractEn la actualidad los despliegues con Kubernetes han tenido un gran impacto en las aplicaciones web basadas en arquitecturas de microservicios. Su potencialidad más destacable es la capacidad para escalar y administrar los servicios asociados a estas aplicaciones que se ejecutan en la nube, normalmente con tecnología basada en contenedores. Se dispone de una gran variedad de herramientas y entornos que posibilitan mejoras de los despliegues con Kubernetes. Sin embargo, uno de los inconvenientes que surgen en este ámbito es que, no se conoce de manera precisa qué software posee las características idóneas para proporcionar un mejor rendimiento en problemáticas específicas o, si en su defecto, es mejor la ejecución sobre un sistema sin contenerización. Este proyecto se plantea el objetivo de desarrollar una comparativa de entornos de ejecución con y sin contenedores con el fin de analizar si Kubernetes es una alternativa viable frente a la ejecución en un servidor sin contenerización para cargas de trabajo en computación de altas prestaciones. Con el fin de llevar a cabo este objetivo, se ha creado para este proyecto la aplicación ”GraphCloud” que, consiste en un servicio de cómputo que permite poder lanzar aplicaciones de manera remota desde clientes autorizados. Este aplicativo, se encuentra bajo el stack de desarrollo denominado ”MEVN” (Mongodb, Express, Vue.js y node.js) permitiendo, además, aplicar diversas tecnologías en el ámbito de la Computación de Altas Prestaciones. Al mismo tiempo, debemos destacar que se va a realizar un exhaustivo análisis de rendimiento sobre algoritmos de Machine Learning y filtro Gaussiano sobre imágenes, ejecutando cada uno tanto de forma secuencial como de forma paralela. El proyecto se ha desarrollado haciendo uso de la tecnología en tres sistemas, en un ordenador personal (procesador con 4 cores), en el IaaS de la universidad de la Laguna (correspondiente a una estructura de máquinas virtualizadas de un core) y, posteriormente, en el servidor privado (Verode) del grupo de investigación ”Computación de Altas Prestaciones” (servidor con 40 cores integrados). El análisis de rendimiento que hemos realizado se centra en este últimos sistema.es_ES
dc.format.mimetypeapplication/pdf
dc.language.isoes
dc.rightsLicencia Creative Commons (Reconocimiento-No comercial-Sin obras derivadas 4.0 Internacional)
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/deed.es_ES
dc.titleComputación de Altas Prestaciones en entornos contenerizadoses_ES
dc.typeinfo:eu-repo/semantics/masterThesis
dc.subject.keywordKubernetes
dc.subject.keywordDocker Hub
dc.subject.keywordQuay
dc.subject.keywordMachine Learning
dc.subject.keywordPython
dc.subject.keywordC
dc.subject.keywordMPI
dc.subject.keywordOpenMP
dc.subject.keywordFiltro Gaussianoes_ES
dc.subject.keywordComputación de Altas Prestacioneses_ES


Files in this item

This item appears in the following Collection(s)

Show simple item record

Licencia Creative Commons (Reconocimiento-No comercial-Sin obras derivadas 4.0 Internacional)
Except where otherwise noted, this item's license is described as Licencia Creative Commons (Reconocimiento-No comercial-Sin obras derivadas 4.0 Internacional)