Sistema de Archivos Paralelos con Aplicaciones de Machine Learning
- Autores
- Benquerenca, Nicolás; Bond, Román; Morales, Martín; Encinas, Diego
- Año de publicación
- 2022
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- Se propone la investigación, análisis y evaluación del impacto de aplicaciones del tipo Machine Learning en un sistema de archivos paralelos, a nivel de rendimiento y uso de recursos. Para tal motivo se plantea el estudio del sistema de archivos paralelo BeeGFS, como infraestructura, y el uso de aplicaciones de Machine Learning como herramienta de benchmark para obtener los resultados necesarios y posterior análisis. Los sistemas de archivos paralelos nos permiten incrementar el rendimiento de los “File Servers” que requieren de mayor capacidad de respuesta a operaciones de lectura y escritura por accesos recurrentes y concurrentes a datos, donde los sistemas de archivos convencionales como “Network File System” no pueden satisfacer esta capacidad, entre otras grandes ventajas.
XVII Workshop Arquitectura Redes y Sistemas Operativos (WARSO)
Red de Universidades con Carreras en Informática - Materia
-
Ciencias Informáticas
Sistemas de Archivos
BeeGFS
Benchmarks
Cloud Computing
Machine Learning - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/4.0/
- Repositorio
.jpg)
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/149420
Ver los metadatos del registro completo
| id |
SEDICI_45760f9b3d6f1de2eefc9a0589e70998 |
|---|---|
| oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/149420 |
| network_acronym_str |
SEDICI |
| repository_id_str |
1329 |
| network_name_str |
SEDICI (UNLP) |
| spelling |
Sistema de Archivos Paralelos con Aplicaciones de Machine LearningBenquerenca, NicolásBond, RománMorales, MartínEncinas, DiegoCiencias InformáticasSistemas de ArchivosBeeGFSBenchmarksCloud ComputingMachine LearningSe propone la investigación, análisis y evaluación del impacto de aplicaciones del tipo Machine Learning en un sistema de archivos paralelos, a nivel de rendimiento y uso de recursos. Para tal motivo se plantea el estudio del sistema de archivos paralelo BeeGFS, como infraestructura, y el uso de aplicaciones de Machine Learning como herramienta de benchmark para obtener los resultados necesarios y posterior análisis. Los sistemas de archivos paralelos nos permiten incrementar el rendimiento de los “File Servers” que requieren de mayor capacidad de respuesta a operaciones de lectura y escritura por accesos recurrentes y concurrentes a datos, donde los sistemas de archivos convencionales como “Network File System” no pueden satisfacer esta capacidad, entre otras grandes ventajas.XVII Workshop Arquitectura Redes y Sistemas Operativos (WARSO)Red de Universidades con Carreras en Informática2022-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf499-509http://sedici.unlp.edu.ar/handle/10915/149420spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-1364-31-2info:eu-repo/semantics/reference/hdl/10915/149102info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-06-23T11:01:00Zoai:sedici.unlp.edu.ar:10915/149420Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-06-23 11:01:00.363SEDICI (UNLP) - Universidad Nacional de La Platafalse |
| dc.title.none.fl_str_mv |
Sistema de Archivos Paralelos con Aplicaciones de Machine Learning |
| title |
Sistema de Archivos Paralelos con Aplicaciones de Machine Learning |
| spellingShingle |
Sistema de Archivos Paralelos con Aplicaciones de Machine Learning Benquerenca, Nicolás Ciencias Informáticas Sistemas de Archivos BeeGFS Benchmarks Cloud Computing Machine Learning |
| title_short |
Sistema de Archivos Paralelos con Aplicaciones de Machine Learning |
| title_full |
Sistema de Archivos Paralelos con Aplicaciones de Machine Learning |
| title_fullStr |
Sistema de Archivos Paralelos con Aplicaciones de Machine Learning |
| title_full_unstemmed |
Sistema de Archivos Paralelos con Aplicaciones de Machine Learning |
| title_sort |
Sistema de Archivos Paralelos con Aplicaciones de Machine Learning |
| dc.creator.none.fl_str_mv |
Benquerenca, Nicolás Bond, Román Morales, Martín Encinas, Diego |
| author |
Benquerenca, Nicolás |
| author_facet |
Benquerenca, Nicolás Bond, Román Morales, Martín Encinas, Diego |
| author_role |
author |
| author2 |
Bond, Román Morales, Martín Encinas, Diego |
| author2_role |
author author author |
| dc.subject.none.fl_str_mv |
Ciencias Informáticas Sistemas de Archivos BeeGFS Benchmarks Cloud Computing Machine Learning |
| topic |
Ciencias Informáticas Sistemas de Archivos BeeGFS Benchmarks Cloud Computing Machine Learning |
| dc.description.none.fl_txt_mv |
Se propone la investigación, análisis y evaluación del impacto de aplicaciones del tipo Machine Learning en un sistema de archivos paralelos, a nivel de rendimiento y uso de recursos. Para tal motivo se plantea el estudio del sistema de archivos paralelo BeeGFS, como infraestructura, y el uso de aplicaciones de Machine Learning como herramienta de benchmark para obtener los resultados necesarios y posterior análisis. Los sistemas de archivos paralelos nos permiten incrementar el rendimiento de los “File Servers” que requieren de mayor capacidad de respuesta a operaciones de lectura y escritura por accesos recurrentes y concurrentes a datos, donde los sistemas de archivos convencionales como “Network File System” no pueden satisfacer esta capacidad, entre otras grandes ventajas. XVII Workshop Arquitectura Redes y Sistemas Operativos (WARSO) Red de Universidades con Carreras en Informática |
| description |
Se propone la investigación, análisis y evaluación del impacto de aplicaciones del tipo Machine Learning en un sistema de archivos paralelos, a nivel de rendimiento y uso de recursos. Para tal motivo se plantea el estudio del sistema de archivos paralelo BeeGFS, como infraestructura, y el uso de aplicaciones de Machine Learning como herramienta de benchmark para obtener los resultados necesarios y posterior análisis. Los sistemas de archivos paralelos nos permiten incrementar el rendimiento de los “File Servers” que requieren de mayor capacidad de respuesta a operaciones de lectura y escritura por accesos recurrentes y concurrentes a datos, donde los sistemas de archivos convencionales como “Network File System” no pueden satisfacer esta capacidad, entre otras grandes ventajas. |
| publishDate |
2022 |
| dc.date.none.fl_str_mv |
2022-10 |
| dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion Objeto de conferencia http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
| format |
conferenceObject |
| status_str |
publishedVersion |
| dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/149420 |
| url |
http://sedici.unlp.edu.ar/handle/10915/149420 |
| dc.language.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/isbn/978-987-1364-31-2 info:eu-repo/semantics/reference/hdl/10915/149102 |
| dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
| dc.format.none.fl_str_mv |
application/pdf 499-509 |
| dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
| reponame_str |
SEDICI (UNLP) |
| collection |
SEDICI (UNLP) |
| instname_str |
Universidad Nacional de La Plata |
| instacron_str |
UNLP |
| institution |
UNLP |
| repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
| repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
| _version_ |
1868982346094477312 |
| score |
13.334379 |