Unter einem Parallelrechner versteht man einen Rechner, auf dem Anwendungen echt parallel ausgeführt werden können. Die heutzutage üblichen Desktop-PCs sind bereits kleine Parallelrechner, da mehrere Kerne eine echt parallele Abarbeitung von Anwendungen erlauben. Vor allem aufgrund der Verbreitung von letzteren wird in Zukunft die Programmierung von parallelen Programmen und Algorithmen an Bedeutung gewinnen. Cluster kombinieren mehrere Rechner über eine schnelle Vernetzung um auch größere Probleme schnell lösen zu können. Die größten existierenden Supercomputer kommen auf über 10 Millionen Kerne. Ein weiterer wichtiger Aspekt im Bereich der Supercomputer ist auch die effiziente Speicherung von großen Datenmengen.

Im Rahmen des Projekts können verschiedene Aspekte von Parallelrechnern genauer analysiert und evaluiert werden. Hierzu steht ein kleinerer Entwicklungscluster des Arbeitsbereichs zur Verfügung.

Die Themen gliedern sich in die Entwicklung von parallelen Anwendungnsprototypen (beispielsweise für wissenschaftliche Probleme) und Dateisystemen, und die Evaluation von Hard- und Software (inklusive alternativer Programmiersprachen). Theoretische Betrachtungen und Evaluation der Thesen mittels Prototypen sind ebenfalls möglich. Wir stehen außerdem interessanten Themenvorschlägen offen gegenüber.

Beachten Sie auch unsere allgemeinen organisatorischen Hinweise zu Projekten.

Das Projekt eignet sich für Studierende der Informatik in den Diplom- und Bachelorstudiengängen. Studierende anderer Studiengänge müssen die Anrechnung mit dem jeweiligen Prüfungsausschuss klären.

Interessierte Zuhörer sind auch herzlich willkommen.

• Prof. Dr. Michael Kuhn (Ansprechpartner)
• Anna Fuchs
• Jakob Lüttgau
• Anastasiia Novikova
• Dr. Jannek Squar
• Prof. Dr. Philipp Neumann
• Yevhen Alforov

• QAT in Lustre – Pascal Wichmann ^{1) 2)}
  • Intel® QuickAssist-Technik isoliert ausprobieren
  • In Lustre integrieren
• Diamond – Niklas Wittmer Bericht ³⁾
  • Portierung von LMG450- und ArduPower-Plugins, Score-P-Support
• Performance Prediction with Sparse Grids – Robert Brown, Kai Brusch ⁴⁾
  • Identifikation von performanz-relevanten Parametern in Partikelsimulationen
  • Sparse grids/Dünne Gitter: Ansatz zur Untersuchung hochdimensionaler Probleme (d.h. viele performanz-relevante
• Zusammenführung von Performance-Tools zur Systemevaluierung – Tim Jammer ⁵⁾
  • http://www.brendangregg.com/Perf/linux_perf_tools_full.png
  • Konstruktion eines Benchmarkframeworks
  • Empfehlung für Kommunikationsschema auf Grundlage von Inter- und Intraconnection-Benchmarks
• Parameter-Space-Exploration für Benchmarks mit Monte-Carlo-Methoden – Hauke Schmidt ⁶⁾
  • Vergleich zu traditionellem Sampling
  • Z. B. mit Python, R, SLURM
• Weiterentwicklung Storage-Framework (JULEA) – Lars Thoms Bericht ⁷⁾
  • Implementierung und Evaluation eines RADOS-Backends
  • Überarbeitung der Netzwerkunterstützung
• RAM-Kompression – Benjamin Warnke Bericht ⁸⁾
• Weiterentwicklung von IOR – Enno Zickler ^{9) 10)}
• Semantische Datenanalyse – Fabian Karl Bericht ^{11) 12)}

Bei einem allgemeinen Einführungstermin werden Grundlagen vermittelt. Außerdem werden die Teilnehmer in Gruppen eingeteilt und bekommen Themen zugewiesen.

Nach der Festlegung der Themen soll ein Projektplan erstellt und mit dem jeweiligen Betreuer diskutiert werden. Regelmäßige Zwischenbesprechungen und -präsentationen sowie eine Abschlusspräsentation dienen dazu die Ergebnisse den anderen Projektteilnehmern vorzustellen.

• 19.10. Einführung
• 26.10. Themenvergabe
• 23.11. Zwischenbesprechung
• 21.12. Zwischenbesprechung
• 25.01. Zwischenpräsentation
• 22.02. Zwischenbesprechung
• 22.03. Abschlusspräsentation