Scalable coherent interface

Gustavson, D.B.

doi:10.1109/cmpcon.1989.301989

Cited by 6 publications

(3 citation statements)

References 2 publications

(2 reference statements)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…NUMA allows the clustering of several memory controllers into a single server node, creating several memory domains. Although NUMA systems were deployed as early as 1980s in specialized systems [185], since 2008 all Intel and AMD processors incorporate one memory controller. Thus, most contemporary multi-processor systems are NUMA; therefore, NUMA-awareness is becoming a mainstream challenge.…”

Section: Non-uniform Memory Accessmentioning

confidence: 99%

In-Memory Big Data Management and Processing: A Survey

Zhang

Chen

Ooi

et al. 2015

IEEE Trans. Knowl. Data Eng.

358

156

View full text Add to dashboard Cite

Growing main memory capacity has fueled the development of in-memory big data management and processing. By eliminating disk I/O bottleneck, it is now possible to support interactive data analytics. However, in-memory systems are much more sensitive to other sources of overhead that do not matter in traditional I/O-bounded disk-based systems. Some issues such as fault-tolerance and consistency are also more challenging to handle in in-memory environment. We are witnessing a revolution in the design of database systems that exploits main memory as its data storage layer. Many of these researches have focused along several dimensions: modern CPU and memory hierarchy utilization, time/space efficiency, parallelism, and concurrency control. In this survey, we aim to provide a thorough review of a wide range of in-memory data management and processing proposals and systems, including both data storage systems and data processing frameworks. We also give a comprehensive presentation of important technology in memory management, and some key factors that need to be considered in order to achieve efficient in-memory data management and processing.

show abstract

Section: Non-uniform Memory Accessmentioning

confidence: 99%

In-Memory Big Data Management and Processing: A Survey

Zhang

Chen

Ooi

et al. 2015

IEEE Trans. Knowl. Data Eng.

358

156

View full text Add to dashboard Cite

show abstract

“…Hewlett Packard is preparing parallel/serial converter chips to interface the Dolphin chips (.parallel) to the 1000 Mbit/s encoding used on optical fiber or coaxial cable, and these should be available by year's end. 3 Related Standards Projects…”

Section: Current Sci Statusmentioning

confidence: 99%

The Scalable Coherent Interface and related standards projects

Gustavson

1992

IEEE Micro

Self Cite

142

View full text Add to dashboard Cite

The Scalable Coherent Interface (SCI) project (IEEE P1596) found a way to avoid the limits that are inherent in bus technology. SCI provides bus-like services by transmitting packets on a collection of point-to-point unidirectional links. The SCI protocols support cache coherence in a distributed-shared-memory multiprocessor model, message passing, I/O, and local-area-network-like communication over fiber optic or wire links. VLSI circuits that operate parallel links at 1000 MByte/s and serial links at 1000 Mbit/s will be available early in 1992.Several ongoing SCI-related projects are applying the SCI technology to new areas or extending it to more difficult problems. P1596.1 defines the architecture of a bridge between SCI and VME; P1596.2 compatibly extends the cache coherence mechanism for efficient operation with kiloprocessor systems; P1596.3 defines new low-voltage (about 0.25 V) differential signals suitable for low power interfaces for CMOS or GaAs VLSI implementations of SCI; P1596.4 defines a high performance memory chip interface using these signals; P1596.5 defines data transfer formats for efficient interprocessor communication in heterogeneous multiprocessor systems.This paper reports the current status of SCI, related standards, and new projects.

show abstract

“…Σε μερικά συστήματα μάλιστα, [Kranz et al 1993][Cordsen andSchroder-Preikschat 1997] επιτρέπεται -ή και συνιστάται-η ταυτόχρονη και η συνδυασμένη χρήση των προγραμματιστικών μοντέλων (του μοντέλου ανταλλαγής μηνυμάτων και του μοντέλου κοινών μεταβλητών), με αποτέλεσμα τη μεγαλύτερη ευελιξία στη χρήση. [Goodman 1989] [Gustavson 1989][IEEE 1993]. Ο χρόνος που απαιτείται για την προσπέλαση δεδομένων από έναν επεξεργαστή είναι ιδιαίτερα μικρός, αν το ζητούμενο αντικείμενο βρεθεί μέσα στον υπολογιστικό κόμβο, ενώ αυξάνεται σημαντικά (εξ'ού και ο όρος "μη ομοιόμορφη προσπέλαση"), αν αυτό βρεθεί σε απομακρυσμένο κόμβο.…”

Section: ο μεταγλωττιστής and το σύστημα εκτέλεσηςunclassified

Προσομοίωση Και Ανάπτυξη Πολυπαραμετρικού Συστήματος Κατανεμημένης Μοιραζομένης Μνήμης Για Μαζικά Παράλληλους Πολυεπεξεργαστές.

Δημητρέλος¹

View full text Add to dashboard Cite

Η παρούσα διατριβή είναι το αποτέλεσμα ερευνητικής δραστηριότητας που επιτελέστηκε κατά το διάστημα [1993][1994][1995][1996][1997][1998] στο Εργαστήριο Υπολογιστών Υψηλών Επιδόσεων Αθηνών, στο Τμήμα Πληροφορικής του Πανεπιστημίου Αθηνών και στην εταιρία Parsytec στο Aachen της Γερμανίας. Η εκπόνηση της δεν θα ήταν δυνατή χωρίς την πολύπλευρη βοήθεια αρκετών ανθρώπων τους οποίους θα ήθελα να μνημονεύσω, Πριν και περισσότερο από όλους, θα ήθελα να ευχαριστήσω τον καθηγητή Κωνσταντίνο Χαλάτση για την αγάπη και την εμπιστοσύνη που μου έδειξε όλα αυτά τα χρόνια, καθώς και για την οξυδερκή του καθοδήγηση. Επίσης, τον αναπληρωτή καθηγητή Παναγιώτη Γεωργιάδη για τη συμπαράσταση και το ενδιαφέρον του και τον επίκουρο καθηγητή Γιάννη Κοτρώνη για τις γνώσεις που μου μετέδωσε. Ακόμα, θα ήθελα να ευχαριστήσω τον πρόεδρο του Δ.Σ. του ΕΡΥΥΕΑ καθηγητή Γεώργιο Φιλοκύπρου ο οποίος μου εμπιστεύθηκε τη θέση του δευθυντή συστήματος, τον καθηγητή Νικόλαο Μισυρλή για τη συνεργασία μας στο έργο "ΣΚΙΡΩΝ" και τον καθηγητή Γεώργιο Παπακωνσταντίνου για τις παρατηρήσεις του στα αρχικά στάδια της δουλειάς μου. Ιδιαίτερα θα ήθελα να ευχαριστήσω το δρ. Λάμπη Τασάκο, η συνεργασία με τον οποίο μου άνοιξε νέους γνωστικούς και επαγγελματικούς ορίζοντες. Κατά τη διάρκεια της εκπόνησης της παρούσας διατριβής στο ΕΡΥΥΕΑ, συνεργάστηκα με αρκετούς συναδέλφους των οποίων η βοήθεια υπήρξε πολύτιμη. Θα ήθελα να ευχαριστήσω το Νίκο Παπάζη για τις υποδείξεις του στο μαθηματικό μέρος της διατριβής, το Δρ. Κρίτωνα Κυρίμη για τα μαθήματα διαχείρισης UNIX, το δημήτρη Νικολαϊδη και το δρ. Παναγιώτη Νόστου για το ιδιαίτερο ενδιαφέρον που έδειξε. Σημαντική υπήρξε η συμβολή, ιδιαίτερα στη φάση της συγγραφής, των: Στάθη Ρουβά, ο οποίος έκανε την τελική ανάγνωση του κειμένου, Δρ. Κώστα Βασιλάκη, Άνυας Σωτηροπούλου. Τέλος, με διαφορετικούς τρόπους ο καθένας, βοήθησαν στην ολοκλήρωση της εργασίας αυτής οι: Ειρήνη Σιακκή, Ελευθερία Αυγέρη, Δημήτρης Πολύχρονης, Dr. Alexander Reinenfeld από το ερευνητικό κέντρο PC2, Δρ.Μαργαρίτα Παπαχρόνη από τη ΓΓΕΤ, επίκουρος καθηγητής Δημήτρης Λιούπης, λέκτορας Τάκης Σταματόπουλος και λέκτορας Ιζαμπώ Κάραλη. Η εκπόνηση της παρούσης διατριβής χρηματοδοτήθηκε μερικά από τη Γενική Γραμματεία Έρευνας και Τεχνολογίας στα πλαίσια του προγράμματος ΥΠΕΡ-94.

show abstract

Scalable coherent interface

Cited by 6 publications

References 2 publications

In-Memory Big Data Management and Processing: A Survey

In-Memory Big Data Management and Processing: A Survey

The Scalable Coherent Interface and related standards projects

Προσομοίωση Και Ανάπτυξη Πολυπαραμετρικού Συστήματος Κατανεμημένης Μοιραζομένης Μνήμης Για Μαζικά Παράλληλους Πολυεπεξεργαστές.

Contact Info

Product

Resources

About