@InProceedings{MoraisPeSaRaLoPaXa:2014:AnDeCo,
author = "Morais, Marcos Vinicius Bueno de and Pessoa, Alex Sandro Aguiar
and Saad, Sandra Isay and Ramos, Camila G. and Lobo, Bianca and
Palma, Gilca and Xavier, Luiz Felipe",
affiliation = "Climatempo and {Instituto Nacional de Pesquisas Espaciais (INPE)}
and Climatempo and Climatempo and Climatempo and Climatempo and
Climatempo",
title = "An{\'a}lise do Desempenho Computacional de Modelos Num{\'e}ricos
de Previs{\~a}o do Tempo e de Ondas na Arquitetura EC2 Amazon
Cloud",
booktitle = "Proceedings...",
year = "2014",
organization = "Congresso Nacional de Matem{\'a}tica Aplicada e Computacional,
35.",
keywords = "Cloud Computing, Paralelismo, Computa{\c{c}}{\~a}o de alto
desempenho, Previs{\~a}o Num{\'e}rica de Tempo, WRF, WW3, Amazon
EC2, AW.",
abstract = "Com os constantes avan{\c{c}}os dos modelos num{\'e}ricos de
previs{\~a}o de tempo e ondas, na execu{\c{c}}{\~a}o de grades
cada vez mais refinadas, sempre houve a necessidade de
utiliza{\c{c}}{\~a}o e r{\'a}pida atualiza{\c{c}}{\~a}o dos
equipamentos e servidores que executam estes modelos, de tal forma
a agilizar a previs{\~a}o e efetuar c{\'a}lculos com maior
precis{\~a}o e acur{\'a}cia. A computa{\c{c}}{\~a}o em nuvens,
com a habilidade de virtualiza{\c{c}}{\~a}o de CPU's e a
facilidade de manuseio nos servidores, permite que os modelos mais
atuais sejam executados de forma cada vez mais r{\'a}pida e
precisa. Por isso, diversas empresas e comunidades
cient{\'{\i}}ficas t{\^e}m substitu{\'{\i}}do os tradicionais
servidores f{\'{\i}}sicos pelo uso de computa{\c{c}}{\~a}o nas
nuvens, para o desenvolvimento de projetos e at{\'e} no uso de
computa{\c{c}}{\~a}o de alto desempenho operacional. Este
trabalho visou avaliar o desempenho dos modelos num{\'e}ricos WRF
(Weather Research and Forecast, [3]), na sua vers{\~a}o 3.5, e
WW3 (WaveWatch 3rd Generation, [5]), na vers{\~a}o 3.14, que
s{\~a}o rodados operacionalmente na Climatempo, em
inst{\^a}ncias de grande uso de processamento da Amazon Web
Services (AWS). Estes modelos t{\^e}m apresentado bons resultados
quantitativos na previs{\~a}o de tempo e onda [4]. A unidade
selecionada {\'e} otimizada para computa{\c{c}}{\~a}o de alto
desempenho, com codinome cc2.8xlarge, que tem proporcionalmente
mais recursos de CPU do que mem{\'o}ria (RAM) e s{\~a}o
adequadas para aplicativos com processamento intensivo. Esta
inst{\^a}ncia conta com 60,5 Gb de mem{\'o}ria RAM, 88 unidades
de processamento EC2, 3370 GB de armazenamento de inst{\^a}ncias
locais, plataforma de 64 bits e conex{\~a}o Ethernet de 10
Gigabits. Os processadores s{\~a}o Intel ® Xeon ® CPU E5-2670 0
@2.60 Ghz, totalizando 32 n{\'u}cleos (16 f{\'{\i}}sicos e 16
virtuais). O modelo num{\'e}rico de previs{\~a}o do tempo foi
configurado para um passo de tempo de 30 s, com 4 grades no total,
sendo a grade-m{\~a}e, abrangendo a costa brasileira, com 39 km
de espa{\c{c}}amento horizontal, e as outras 3 grades separadas
para as regi{\~o}es nordeste, sudeste e sul da costa, com 13 km.
J{\'a} o modelo oce{\^a}nico foi ajustado com 2 grades, sendo a
primeira com 1.5º de espa{\c{c}}amento horizontal e abrange o
globo, e a segunda pega toda a costa do atl{\^a}ntica da
Am{\'e}rica do Sul. Ambas as rodadas foram feitas para 24 horas
de previs{\~a}o. Para avalia{\c{c}}{\~a}o do desempenho de
execu{\c{c}}{\~a}o em paralelo foram escolhidos, juntamente com
o tempo, os {\'{\i}}ndices SpeedUp e Efici{\^e}ncia [2],
comumente utilizados para avalia{\c{c}}{\~a}o do desempenho de
modelos num{\'e}ricos de previs{\~a}o em clusters com
v{\'a}rios n{\'u}cleos [1]. Os resultados demonstraram que o WRF
{\'e} otimizado utilizando todas as unidades de processamento
f{\'{\i}}sico (16 cores). A partir disto, o modelo acaba
diminuindo a efici{\^e}ncia n{\~a}o melhorando o tempo ou o
{\'{\i}}ndice de SpeedUp. J{\'a} para o modelo de ondas, a
condi{\c{c}}{\~a}o {\'o}tima dada com 12 n{\'u}cleos, com um
m{\'{\i}}nimo de efici{\^e}ncia para 28 n{\'u}cleos. Na
otimiza{\c{c}}{\~a}o, o tempo de execu{\c{c}}{\~a}o da rodada
do WRF e do WW3 foi respectivamente de 3.3 min e 6.6 min.",
conference-location = "Natal",
conference-year = "2014",
label = "lattes: 2681016875171472 2 MoraisPeSaRaLoPaXa:2014:AnDeCo",
language = "pt",
targetfile = "morais_analise.pdf",
volume = "5",
urlaccessdate = "11 maio 2024"
}