Comparaison de l'exécution parallèle assistée par checkpointed avec MapReduce.

Résumé Depuis quelques décennies, les chercheurs travaillent activement à la parallélisation des programmes afin d'accélérer le traitement des données massives. Les processeurs actuels sont plus rapides et possèdent un plus grand nombre de cœurs. Afin d'utiliser pleinement les capacités de calcul des processeurs, les processus doivent être exécutés en parallèle. Les programmes parallèles présentent plusieurs avantages par rapport aux programmes séquentiels. Dans la programmation séquentielle, les processus s'exécutent dans un ordre séquentiel les uns après les autres. Mais dans la programmation parallèle, nous avons plusieurs processus et threads qui s'exécutent simultanément au même moment. Une tâche peut être exécutée en moins de temps en utilisant la programmation parallèle. Mais l'écriture manuelle d'une programmation parallèle est une tâche difficile et fastidieuse. Nous devons donc utiliser des outils pour convertir automatiquement un programme séquentiel en un programme parallèle. OpenMP (Open Multi- Processing) est un ensemble de directives qui peuvent être utilisées pour générer des programmes parallèles écrits en C, C++ et FORTRAN en un programme parallèle efficace. CAPE (Checkpointing Aided Parallel Execution) est un nouveau paradigme qui utilise la technique du checkpointing pour générer des programmes parallèles à partir de programmes séquentiels fournis avec des directives OpenMP. est un modèle de programmation pour effectuer des traitements parallèles. L'objectif principal de cet article est de comparer les performances et la complexité de codage de CAPE à différents niveaux de difficulté.