Параллельные и распределённые вычисления 2019

Общие сведения

• Форма контроля: зачет
• Форма регистрации на курс
• Таблица с оценками
• Телеграм-чат курса

Материалы занятий

• Видео лекций
• Слайды презентаций
• Материалы семинаров и домашние задания
• Q&A форум "Piazza"

Преподаватели

• Лекторы:
  • Долуденко Алексей (tg: @adoludenko)
  • Ивченко Олег (tg: @velkerr)
• Семинаристы:
  • Бабин Олег (791)
  • Булгакова Дарья (792)
  • Долуденко Алексей (793, 796)
  • Ахтямов Павел (794)
  • Чернецкий Аркадий (795)
  • Иванова Юлия (797)
  • Ивченко Олег (798, 7910)

Критерии получения оценки

После дедлайна задачи можно сдавать лишь с -50% от максимальной оценки.

Список рекомендуемых материалов

• Параллельная часть
  • Методичка по MPI
  • Методичка по OpenMP
• Распределённая часть (лекции)

1. Распределённые файловые системы (GFS, HDFS). Её составляющие. Их достоинства, недостатки и сфера применения. Чтение и запись в HDFS. HDFS APIs: WebUI, shell, Java API
2. Парадигма MapReduce. Основная идея, формальное описание. Обзор реализаций. API для работы с Hadoop (Native Java API vs. Streaming), примеры
3. Типы Join'ов и их реализации в парадигме MR. Паттерны проекттирования MR (pairs, stripes, составные ключи). PageRank в MR. Планировщик задач в YARN
4. SQL поверх BigData

• Распределённая часть (семинары)

1. Устройство Hadoop-кластера, HDFS CLI, Web API, внутреннее устройство HDFS
2. Hadoop streaming API. Простейшая программа на MapReduce (подсчёт слов в тексте). Её модификации. Инструменты отладки в MapReduce.
3. Advanced HDFS shell. Hadoop Java API, Joins в MapReduce, Счётчики в MapReduce
4. Apache Hive. Язык HiveQL, его расширения (Hive Streaming, User defined functions)