文摘

云计算,几乎无限的资源的承诺,似乎适合在解决资源贪婪的科学计算问题。研究平行移动的影响科学应用到云上,我们几个基准应用程序部署矩阵向量操作和NAS并行基准,和道格(非结构化网格域分解)在云上。道格是一个开源软件的并行迭代解大型稀疏线性方程组。道格在云上的详细分析表明,并行应用程序效益和规模合理的在云上。我们也可以观察云的局限性及其与集群的性能代价。然而,对于有效地运行的科学应用程序在云基础设施,必须减少应用程序框架,可以成功地利用云资源,像MapReduce框架。几个迭代和尴尬的并行算法减少MapReduce模型及其性能测量和分析。分析表明,Hadoop MapReduce迭代方法具有显著的问题,虽然它适合对尴尬的并行算法。科学计算通常采用迭代的方法来解决大问题。因此,对于科学计算在云上,本文提出了更好的MapReduce框架或优化的必要性。