$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

GLOVE: 대용량 과학 데이터를 위한 분산공유메모리 기반 병렬 가시화 도구
GLOVE: Distributed Shared Memory Based Parallel Visualization Tool for Massive Scientific Dataset 원문보기

정보처리학회논문지. KIPS transactions on software and data engineering. 소프트웨어 및 데이터 공학, v.5 no.6, 2016년, pp.273 - 282  

이중연 (한국과학기술정보연구원 가시화기술개발실) ,  김민아 (한국과학기술정보연구원 가시화기술개발실) ,  이세훈 (한국과학기술정보연구원 가시화기술개발실) ,  허영주 (한국과학기술정보연구원 가시화기술개발실)

초록
AI-Helper 아이콘AI-Helper

가시화 도구는 데이터 입출력, 시각적 변환, 상호작용적인 렌더링의 세 구성요소로 구분할 수 있다. 본 논문에서는 거대용량의 과학 데이터를 실시간으로 가시화하기 위해 가시화 도구의 세 구성요소에 대한 요구사항을 분석, 정의하고 이를 만족시키기 위한 방안을 제시하고자 한다. 특히, 효율적인 가시화 도구의 개발을 위해 공개 소프트웨어 도구를 최대한 활용하고자 하였으며, 서로 다른 용도로 개발된 각 공개 소프트웨어 도구를 통합하여 하나의 가시화 도구로 개발하는 방안과 시공간적인 과학 데이터의 실시간 가시화를 위한 최적화 방법에 대해 논한다. 이를 통해 분산공유메모리 기반의 과학 데이터 병렬 가시화 도구인 GLOVE를 제안하였으며, 유동해석 분야 과학 데이터를 이용한 실험을 통해 GLOVE와 다른 데이터 가시화 소프트웨어와의 성능을 비교 분석했다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Visualization tool can be divided by three components - data I/O, visual transformation and interactive rendering. In this paper, we present requirements of three major components on visualization tools for massive scientific dataset and propose strategies to develop the tool which satisfies those r...

주제어

#과학적 가시화   #병렬 가시화   #분산공유메모리   #가시화 시스템   #공개 소프트웨어 도구  

질의응답

핵심어 질문 논문에서 추출한 답변
ParaView란? ParaView는 Kitware 사에서 개발한 병렬 가시화 도구로써 VTK(Visualization Tool Kit)[1]를 기반으로 개발된 오픈 소스 소프트웨어이다. ParaView는 다양한 분야의 과학 데이터에 대한 범용 가시화 기능을 지원하며 클라이언트/서버 구조로 병렬 및 분산 환경에서의 고성능 가시화를 제공하여 많은 사용자를 확보하고 있다[2].
ParaView의 단점은? ParaView는 다양한 분야의 과학 데이터에 대한 범용 가시화 기능을 지원하며 클라이언트/서버 구조로 병렬 및 분산 환경에서의 고성능 가시화를 제공하여 많은 사용자를 확보하고 있다[2]. 그러나 가시화 알고리즘에 대한 병렬화만 지원할 뿐 데이터 관리는 병렬화하지 않아 정적 데이터 분산(Static Data Distribution)만을 제공하여 부하 균형(Load Balancing)이 제대로 이루어지지 않는 문제가 있다. 특히, 벡터 데이터 가시화의 경우에는 이러한 문제가 두드러진다. VisIt은 DOE (Department of Energy) 산하의 ASCI(Advanced Simulation and Computing Initiative) 에서 개발한 소프트웨어로, 주로 테라 스케일 이상의 시뮬레이션 결과를 가시화할 용도로 개발되었다.
PGAS 모델의 특징은 무엇인가? 이로 인해 프로그래머의 생산성이 점차 중요해지면서 최근 대부분의 병렬 프로그래밍 모델은 생산성과 성능을 함께 고려하는 PGAS(Partitioned Global Address Space) 모델을 채택하고 있다 [5]. PGAS 모델은 MPI와 같이, 각 프로세스가 개별 메모리를 가지고 서로 메시지를 교환하는 메시지-패싱 모델과 OpenMP로 대표되는, 다수의 스레드가 메모리를 공유하는 공유메모리 모델의 특징을 모두 가진다. 물리적으로 분리되어 있는 메모리들을 묶어 하나의 메모리처럼 사용할 수 있도록 전역 주소 공간(Global Address Space)을 제공하여 프로그래머의 생산성을 향상시키는 한편, 로컬 및 원격 데이터에 대한 접근을 구분하여 프로그래머가 직접 성능을 최적화하고, 확장성(Scalability)을 확보할 수 있도록 한다.
질의응답 정보가 도움이 되었나요?

참고문헌 (23)

  1. W. Schroeder, K. Martin, and B. Lorensen, "The Visualization Toolkit(4th ed.)," Kitware, ISBN 978-1-930934-19-1. 

  2. J. Ahrens, B. Geveci, and C. Law, "ParaView: An End-User Tool for Large Data Visualization," Visualization Handbook, Elsevier, 2005, ISBN-13: 978-0123875822. 

  3. H. Childs et al., "VisIt: An End-User Tool For Visualizing and Analysizing Very Large Data," High Performance Visualization-Enabling Extreme-Scale Scientific Insight, Oct 2012, pp.357-372. 

  4. Ensight [Internet], http://www.ensight.com. 

  5. M. De Wael, S. Marr, B. De Fraine, T. Van Cutsem, and W. De Meuter, "Partitioned Global Address Space Languages," ACM Computing Surveys, Vol.47, Issue 4, Article No.62, 2015. 

  6. R. W. Numrich and J. Reid, "Co-Array Fortran for Parallel Programming," ACM FORTRAN FORUM, Vol.17, Issue 2, 1998. 

  7. T. El-Ghazawi, W. Carlson, T. Sterling, and K. Yelick, "UPC: Distributed Shared Memory Programming," Hoboken, NJ: Wiley, 2005. 

  8. K. A. Yelick, L. Semenzato, G. Pike, C. Miyamoto, B. Liblit, A. Krishnamurthy, P. N. Hilfinger, S. L. Graham, D. Gay, P. Colella, and A. Aiken, "Titanium: A High-performance Java Dialect," Concurrency: Practice and Experience, Vol.10, Issue 11-13, pp.825-836, 1998. 

    상세보기 crossref

  9. B. L. Chamberlain, D. Callahan, and H. P. Zima, "Parallel Programmability and the Chapel Language," International Journal of High Performance Computing Applications, Vol.21, No.3, pp.291-312, 2007. 

    상세보기 crossref

  10. P. Charles, C. Grothoff, V. Saraswat, C. Donawa, A. Kielstra, K. Ebcioglu, C. von Praun, and V. Sarkar, "X10: An Object-Oriented Approach to Non-Uniform Cluster Computing," in Proc. 20th annual ACM SIGPLAN Conf. on Object-Oriented Programming, Systems, Languages, and Applications (OOPSLA'05), ACM, NY, USA, pp. 519-538, 2005. 

  11. E. Allen, D. Chase, J. Hallett, V. Luchangco, J.-W. Maessen, S. Ryu, Guy L. Steele, and S. Tobin-Hochstadt. "The Fortress Language Specification," Technical Report. Sun Microsystems, Inc., Version 1.0, 2008. 

  12. J. Nieplocha, R. J. Harrison, and R. J. Littlefield. "Global Arrays: A Portable 'Shared-Memory' Programming Model for Distributed Memory Computers," in Proceedings Supercomputing '94, pp.340-349, 1994. 

  13. D. R. Jones, E. R. Jurrus, B. D. Moon, and K. A. Perrine, "Gigapixel-size Real-time Interactive Image Processing with Parallel Computers," Proceedings of Workshop on Parallel and Distributed Processing Symposium, 7, 2003. 

  14. J. A. Kohl, T. Wilde, and D. E. Bernholdt, "CUMULVS: Interacting with High-Performance Scientific Simulations, for Visualization, Steering and Fault Tolerance," International Journal of High Performance Computing Applications, Vol.20, p.255, 2006. 

    상세보기 crossref

  15. Z. Fan, F. Qiu, and A. E. Kaufman, "Zippy: A framework for computation and visualization on a gpu cluster," Computer Graphics Forum, Vol.27, No.2, pp.341-350, 2008. 

    상세보기 crossref

  16. "The VTK User's Guide 11th Edition," Kitware Inc., pp. 105-117, 2010. 

  17. M. Kim, Y. Hur and J.-Y. Lee, "InVis: An Interactive Visualization Framework for Massive Data supporting Multiple Users," Journal of KIISE: Computing Practices and Letters, Vol.18, No.1, 2012. 

  18. L. Chen and I. Fujishiro, "Optimizing Parallel Performance of Streamline Visualization for Large Distributed Flow Datasets," in 2008 IEEE Pacific Visualization Symposium, pp.87-94, 2008. 

  19. J. MacQueen, "Some Methods for Classification and Analysis of Multivariate Observations," Proceedings of 5th Berkeley Symposium on Mathematical Statistics and Probability, University of California Press, pp.281-297, 1967. 

  20. D. Arthur and S. Vassilvitskii, "K-means++: the Advantages of Careful Seeding," Proceedings of the Eighteenth Annual ACM-SIAM Symposium on Discrete Algorithms, Society for Industrial and Applied Mathematics Philadelphia, PA, USA, pp.1027-1035, 2007. 

  21. R. Wang and X. Qian, "OpenSceneGraph 3.0: Beginner's Guide," PACKT Books, ISBN 9781849512824, 2010. 

  22. J. Kim, J. Sa, S. Park, J. Park, S. Jung, Y. Yoo, and K. Cho, "Parallel CFD Computation for Vortex Flow Field around HART II Rotor Blades with Prescribed Blade Deformation," Proceedings of 22nd International Conference on Parallel Computational Fluid Dynamics, 2010. 

  23. D. Camp, C. Garth, H. Childs, D. Pugmire, and K. I. Joy, "Streamline Integration Using MPI-Hybrid Parallelism on a Large Multicore Architecture," IEEE Transactions on Visualization and Computer Graphics, Vol.17, No.11, pp. 1702-1713, 2011. 

    상세보기 crossref

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

유발과제정보 저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로