Unter einem Parallelrechner versteht man einen Rechner, auf dem Anwendungen echt parallel ausgeführt werden können. Die heutzutage üblichen Laptop- und Desktop-Rechner sind bereits kleine Parallelrechner, da mehrere Kerne eine echt parallele Abarbeitung von Anwendungen erlauben. Daher gewinnt die Programmierung von parallelen Programmen und Algorithmen immer mehr an Bedeutung und Wichtigkeit. Durch die steigenden Berechnungskapazitäten werden außerdem immer größere Datenmengen produziert.

Im Rahmen des Projekts werden daher verschiedene Aspekte von Parallelrechnern mithilfe moderner Methoden genauer analysiert und evaluiert. Big-Data-Ansätze erlauben die Analyse der immer weiter wachsenden Datenflut, während Machine-Learning-Methoden zunehmend klassische Problemlösungsansätze ersetzen. Leistungskritische Komponenten werden dabei häufig in hardwarenahen Sprachen wie C oder C++ entwickelt, während einfacher zu erlernende Sprachen wie Python eine komfortable Nutzung durch Anwender erlauben.

Konkrete Themen orientieren sich stark an aktuellen Forschungsfragen und werden daher erst am Einführungstermin vorgestellt. Beispiele können Sie im Projekt des vorherigen Semesters finden. 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)
• Kira Duwe
• Dr. Jannek Squar
• Hans Fangohr
• Thomas Kluyver

• Performance optimisation of data analysis at European XFEL ^{1) 2) 3)} – Marcel Papenfuss, Mats Schrader, Niclas Schroeter
• Big data support for JULEA ⁴⁾ – Jan Harder, Johnvir Khattar, Quan-Vinh Tran
• Performance metrics for database systems ^{5) 6)} – Michael Straßberger
• Native object store support for JULEA ^{7) 8)} – Johannes Coym Bericht
• Übersetzung von OpenMP-Kerneln nach MPI ⁹⁾ – Alasdair Grimm, David Kirsch
  • Performance-Vergleich MPI (einseitige vs. zweiseitige Kommunikation)
  • Auswahl von Kommunikationsmustern
  • Existierende Referenzimplementationen
  • (Heuristiken zur Erkennung und Übersetzung)

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.

• 17.10. Einführung und Themenvergabe
• 21.11. Zwischenbesprechung
• 19.12. Zwischenbesprechung
• 16.01. Zwischenpräsentation
• 20.02. Zwischenbesprechung
• 19.03. Abschlusspräsentation