<?xml version="1.0" encoding="ISO-8859-1"?>
<metadatalist>
	<metadata ReferenceType="Thesis">
		<site>mtc-m21d.sid.inpe.br 808</site>
		<holdercode>{isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S}</holdercode>
		<identifier>QABCDSTQQW/46C4U9H</identifier>
		<repository>urlib.net/www/2022/02.14.13.19</repository>
		<lastupdate>2022:05.03.13.44.30 urlib.net/www/2021/06.04.03.40 administrator</lastupdate>
		<metadatarepository>urlib.net/www/2022/02.14.13.19.50</metadatarepository>
		<metadatalastupdate>2022:08.06.21.39.59 urlib.net/www/2021/06.04.03.40 administrator {D 2022}</metadatalastupdate>
		<secondarykey>INPE-18548-TDI/3193</secondarykey>
		<citationkey>Miranda:2022:CoMPHP</citationkey>
		<title>Common MPI-based HPC approaches in Python evaluated for selected test cases</title>
		<alternatetitle>Soluções comuns baseadas em MPI para processamento de alto desempenho em Python avaliadas em casos de teste selecionados</alternatetitle>
		<course>CAP-COMP-DIPGR-INPE-MCTI-GOV-BR</course>
		<year>2022</year>
		<date>2022-02-17</date>
		<thesistype>Dissertação (Mestrado em Computação Aplicada)</thesistype>
		<secondarytype>TDI</secondarytype>
		<numberofpages>195</numberofpages>
		<numberoffiles>1</numberoffiles>
		<size>2841 KiB</size>
		<author>Miranda, Eduardo Furlan,</author>
		<committee>Mendes, Celso Luiz (presidente) ,</committee>
		<committee>Stephany, Stephan (orientador) ,</committee>
		<committee>Santiago Júnior, Valdivino Alexandre de ,</committee>
		<committee>Fazenda, Álvaro Luiz,</committee>
		<e-mailaddress>eduardo.furlan.m@gmail.com, eduardo.miranda@inpe.br</e-mailaddress>
		<university>Instituto Nacional de Pesquisas Espaciais (INPE)</university>
		<city>São José dos Campos</city>
		<transferableflag>1</transferableflag>
		<keywords>high performance computing, Python programming environment, parallel computing, processamento de alto desempenho, ambiente de programação Python, computação paralela.</keywords>
		<abstract>A number of the most common MPI-based high-performance computing approaches available in the Python programming environment of the LNCC Santos Dumont supercomputer are compared using three selected test cases. Python includes specific libraries, development tools, implementations, documentation and optimization or parallelization resources. It provides a straightforward way to allow programs to be written with a high level of abstraction, but the parallelization features to exploit multiple cores, processors or accelerators such as GPUs are diverse and may not be easily selectable by the programmer. This work compares common approaches in Python to increase computing performance for three test cases: a 2D heat transfer problem solved by the finite difference method, a 3D fast Fourier transform applied to synthetic data, and asteroid classification using a random forest. The corresponding serial and parallel implementations in Fortran 90 were taken as references to compare the computational performance. In addition to the performance results, a discussion of the trade-off between easiness of programming and computational performance is included. This work is intended as a primer for using parallel HPC resources in Python. RESUMO: Algumas das abordagens de computação de alto desempenho mais comuns baseadas em MPI disponíveis no ambiente de programação Python do supercomputador LNCC Santos Dumont são comparadas usando três casos de teste selecionados. Python inclui bibliotecas específicas, ferramentas de desenvolvimento, implementações, documentação e recursos de otimização ou paralelização. Ele fornece uma maneira direta de permitir que programas sejam escritos com um alto nível de abstração, mas os recursos de paralelização para explorar vários núcleos, processadores ou aceleradores, como GPUs, são diversos e podem não ser facilmente selecionáveis pelo programador. Este trabalho compara abordagens comuns em Python para se obter processamento de alto desempenho desempenho utilizando três casos de teste: um problema de transmissão de calor bidimensional resolvido por diferenças finitas, uma transformada rápida de Fourier tridimensional aplicada a dados sintéticos e uma classificação de asteróides por floresta aleatória. As correspondentes implementações seriais e paralelas em Fortran 90 foram tomadas como referência para comparação de desempenho nesses casos de teste. Além dos resultados de desempenho, inclui-se uma discussão sobre o compromisso entre facilidade de programação e desempenho de processamento. Este trabalho pretende ser uma introdução para o uso de recursos de processamento de alto desempenho baseados em MPI para Python.</abstract>
		<area>COMP</area>
		<language>en</language>
		<targetfile>publicacao.pdf</targetfile>
		<usergroup>eduardo.miranda@inpe.br</usergroup>
		<usergroup>pubtc@inpe.br</usergroup>
		<usergroup>simone</usergroup>
		<visibility>shown</visibility>
		<copyright>urlib.net/www/2012/11.12.15.10</copyright>
		<readpermission>allow from all</readpermission>
		<documentstage>not transferred</documentstage>
		<mirrorrepository>urlib.net/www/2021/06.04.03.40.25</mirrorrepository>
		<nexthigherunit>8JMKD3MGPCW/3F2PHGS</nexthigherunit>
		<nexthigherunit>8JMKD3MGPCW/46KUES5</nexthigherunit>
		<hostcollection>urlib.net/www/2021/06.04.03.40</hostcollection>
		<agreement>autorizacao.pdf .htaccess2 .htaccess</agreement>
		<lasthostcollection>urlib.net/www/2021/06.04.03.40</lasthostcollection>
		<supervisor>Stephany, Stephan ,,</supervisor>
		<url>http://mtc-m21d.sid.inpe.br/rep-/urlib.net/www/2022/02.14.13.19</url>
	</metadata>
</metadatalist>