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
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/149420

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