Obiettivi formativi generali in termini di risultati di apprendimento attesi.
1. Conoscenza e capacità di comprensione (knowledge and understanding): lo studente conoscerà meccanismi di programmazione avanzata, inclusi programmazione ad aspetti, parallela, asincrona, distribuita.
2. Capacità di applicare conoscenza e comprensione (applying knowledge and understanding): lo studente avrà la capacità di progettare sistemi software distribuiti e complessi.
3. Autonomia di giudizio (making judgements): lo studente acquisirà la capacità di analizzare sistemi distribuiti e complessi.
4. Abilità comunicative (communication skills): lo studente imparerà a descrivere in linguaggio tecnico le caratteristiche fondamentali dei sistemi distribuiti e paralleli.
5. Capacità di apprendimento (learning skills): lo studente potrà affrontare e risolvere problemi di progettazione e implementazione in ambiti realistici, studiando, valutando e utilizzando, nuove tecnologie per i sistemi distribuiti.
1. Conoscenza e capacità di comprensione (knowledge and understanding): l'obiettivo del corso è quello di far acquisire conoscenze avanzate che consentano allo studente di comprendere le tecnologie alla base dell'utilizzo di sistemi distribuiti per il calcolo ad alte prestazioni. In particolare lo studente acquisirà conoscenze relative ai principali paradigmi di programmazione ad alte prestazioni quali MPI, OpenMP, ed Hadoop mapreduce.
2. Capacità di applicare conoscenza e comprensione (applying knowledge and understanding): lo studente acquisirà le conoscenze necessarie per la progettazione di sistemi software ad alte prestazioni per il calcolo distribuito con particolare attenzione allo scheduling di processi e la gestione di risorse computazionali.
3. Autonomia di giudizio (making judgments): lo studente sarà messo in grado di elaborare autonomamente la propria soluzione software attraverso l'analisi di esempi concreti di codici funzionanti o di errori progettuali classicamente noti.
4. Abilità Comunicative (communication skills): lo studente acquisirà le proprietà di linguaggio ed espressione chieste ad uno specialista nel campo della progettazione di sistemi distribuiti per il calcolo ad alte prestazioni.
5. Capacità di apprendimento (learning skills): il corso si propone di offrire contenuti e metodi affinché lo studente possa completare il percorso di crescita personale e professionale che culmina con il conseguimento del titolo di Laurea Magistrale.
Capacità di progettare ed implementare sistemi ad oggetti in C++ o Java.
Architettura degli Elaboratori;
Elementi di programmazione;
Conoscenze di base di C o C++.
La frequenza delle lezioni è fortemente consigliata.
Fortemente consigliata.
Design pattern per sistemi distribuiti: Proxy, Broker, Forward-Receiver, Remote Facade, Data Transfer Object, Session State, Serialized Large Object. Progettazione ed implementazione del software orientato agli aspetti. Design pattern ad aspetti e Refactoring ad aspetti. Java 8 e Map Reduce. Reactive programming con design pattern Circuit Breaker, Bulkheads. Design pattern per la sicurezza e i sistemi distribuiti. Middleware orientato ai messaggi RabbitMQ.
I. Introduzione al calcolo distribuito
II. Tassonomia di Flynn, paradigmi di memoria, threads, scheduling, messaggi
III. Paradigmi di passaggio di messaggi e Message Passing Interface
IV. Paradigmi di Shared Memory e Open MultiProcessing
V. Programmazione ad alte prestazioni per architetture ibride di calcolo
VI. Distributed Big Data Analysis e paradigmi di calcolo shared nothing
VII. MapReduce, file system distribuito, gestione dei task
VIII. Hadoop e MrJob (python)
1. Buschmann, Meunier, Rohnert, Sommerlad, Stal. Pattern-Oriented Software Architecture A System of Patterns. John Wiley and Sons, 1996
2. Martin Fowler. Patterns of Enterprise Application Architecture. Addison-Wesley, 2003
3. Schumacher, Fernandez-Buglioni, Hybertson, Buschmann, Sommerlad. Security Patterns: Integrating Security and Systems Engineering. John Wiley and Sons, 2006.
4. R. Laddad. AspectJ in Action: Enterpriese AOP with Spring Applications. Manning Publications. 2010.
5. R. Warburton. Java 8 Lambdas. O'Reilly. 2014.
Testi di riferimento:
1. G. Hager, G. Wellein: Introduction to High Performance Computing for Scientists and Engineers, CRC Press (2010)
2. G. Coulouris et al.: Distributed Systems, Pearson (2013)
3. Gropp et al.: Using MPI, MIT press (2014)
4. B. Chapman, G. Jost: Using OpenMP, MIT press (2007)
5. T. White: Hadoop: the definitive guide, O’Reilly (2015)
Altri testi utili per approfondimento:
- D. Culler et al.: Parallel Computer Architecture, Kaufmann (1998)
- M.J. Quinn: Parallel Programming in C with Mpi and Openmp, McGrawHill (2008)
- G. Barlas: Multicore and GPU Programming, Kaufmann (2014)
- E. Sammer: Hadoop Operations, O’Reilly (2012)
- M. GRoover, T. Malaska: Hadoop Applications Architectures, O’Reilly (2015)
http://www.dmi.unict.it/~tramonta/sdm/
http://www.dmi.unict.it/napoli/
SISTEMI DISTRIBUITI 1 | |||
* | Argomenti | Riferimenti testi | |
1 | * | Design pattern Proxy e Broker | 1 |
2 | * | Design pattern Remote Facade, Data Transfer Object, Session State, Serialized LOB | 2 |
3 | * | Design pattern per la sicurezza dei sistemi distribuiti | 3 |
4 | * | Progettazione del software orientato agli aspetti: identificazione di aspetti, costrutti del linguaggio AspectJ | 4 |
5 | * | Refactoring ad aspetti. Crosscutting statico e dinamico | 4 |
6 | * | Design pattern ad aspetti: Adapter, Participant e Sincronizzazione | 4 |
7 | * | Progettazione con Map Reduce in Java | 5 |
8 | * | Parallelismo con Java 8: espressioni lambda, Stream | 5 |
9 | * | Progettazione con callback, Java chiamate asincrone | 5 |
10 | * | Reactive programming: design pattern Circuit Breaker, Bulkheads | |
11 | * | Middleware orientato ai messaggi: RabbitMQ | |
12 | * | Test con JUnit | |
LABORATORIO | |||
* | Argomenti | Riferimenti testi | |
1 | * | Sistemi distribuiti in ambito HPC | G. Coulouris et al.: Distributed Systems, Pearson (2013) |
2 | * | Message Passing Interface | Gropp et al.: Using MPI, MIT press (2014) |
3 | * | OpenMP | B. Chapman, G. Jost: Using OpenMP, MIT press (2007) |
4 | * | Paradigmi ibridi per l'HPC | G. Hager, G. Wellein: Introduction to High Performance Computing for Scientists and Engineers, CRC Press (2010) |
5 | * | Hadoop mapreduce | T. White: Hadoop: the definitive guide, O’Reilly (2015) |
L'esame consiste di un elaborato ed una prova orale.
Progetto.
Non sono previste prove in itinere. Durante il corso saranno assegnati gli elaborato e ci saranno verifiche periodiche dell'avanzamento nello sviluppo dell'elaborato.
Non previste.
L'esame consisterà in un colloquio orale per la presentazione dell'elaborato, e per valutare la conoscenza degli argomenti del corso.
Presentazione del progetto e della documentazione software con discussione di una relazione riguardante il progetto svolto.
Implementare un aspetto software per il caching dei dati
Implementare in modo parallelo la selezione e la somma di importi da un insieme di dati riguardanti prodotti venduti.
Implementare in modo asincrono una chiamata ad un metodo.
ESEMPI DI PROGETTI: