Algorytmy skalowane 1000-MS1-AlgSkal

Teoria informatyki obejmuje wiedzę o algorytmach rozwiązujących problemy o dowolnej złożoności obliczeniowej i przy dowolnych poziome równoległości. Praktyczna implementacja tych algorytmów napotykała przez wiele lat trudności, wydawałoby się, nie do pokonania. Zmiana tego stanu rzeczy dokonała się w 2004 wraz z opublikowanie informacji o modelu obliczeniowym Map-Reduce i jego praktycznej implementacji. Rok 2010 to pierwsza publikacja o Pregelu, tj. modelu i implementacji obliczeń na ogromnych grafach. Choć oba te modele są dość proste i można by rzec, że znane w literaturze, jednak ich przełomowość wynika, z tego, że udało się je zaimplementować w wielkiej skali, tj, na danych o wielkości rzędu 10^12 rekordów/obiektów i na tysiącach komputerów. Do tej pory, teoretycy potrafili zbudować algorytm na dowolnego n, ale praktycy potrafili je zaimplementować jedynie dla n nie większego niż 10^9. Map-Reduce i Pregel przesuwają te granicę o kilka rzędów wielkości.
Celem zajęć jest przedstawienie wybranych zagadnień przetwarzania danych z wykorzystaniem algorytmów skalowalnych we wspomnianych modelach oraz projektów Big Data. Przedstawione zostaną najnowsze wyniki badań nad wspomnianymi modelami oraz nad analizą dużych repozytoriów danych
W ramach laboratorium studenci pod kierownictwem prowadzącego zajęcia przeprowadzą eksperymenty na wybranej platformie obliczeń skalowalnych. Zaimplementują wybrane algorytmy Map-Reduce w celu przeprowadzenia kontrolowanej analizy wskazanego dużego repozytorium danych