Ponente
Sr.
Carlos García Montoro
(IFIC)
Descripción
El trigger de un evento representa determinados estados que el evento satisfizo cuando sucedió. ATLAS emplea dos niveles de trigger: el L1 que viene del detector y el HLT computado. En L1 hay hasta 512 posibles triggers distintos, mientras que en HLT actualmente hay casi 3.000 posibles triggers que dependen de la configuración del detector. Además, cada nivel contiene tres colecciones distintas de dichos triggers, triplicando la información. Dada la ingente cantidad de eventos que se almacenan, es necesario aplicar técnicas capaces de reducir y compactar el espacio de almacenamiento requerido, teniendo en cuenta que el procesado de la información también debe ser eficiente.
MapReduce es un modelo de programación que soporta la computación paralela sobre grandes colecciones de datos. Es por ello que MapReduce resulte idóneo para el procesado de la información del trigger. En esta presentación introduciré MapReduce y mostraré cómo lo estamos empleando en ATLAS EventIndex Trigger Counter, una herramienta desarrollada por nosotros que ofrece análisis de trigger por dataset empleando Hadoop, MapFiles y algoritmos de MapReduce.
Autores primarios
Alvaro Fernandez
(IFIC)
Sr.
Carlos García Montoro
(IFIC)
ESTEBAN FULLANA TORREGROSA
(IFIC)
Sr.
Fco. Javier Sanchez Martinez
(IFIC)
Dr.
JOSE SALT
(IFIC)
Sr.
Javier Aparisi Pozo
(IFIC)
Dr.
Julio Lozano Bahilo
(Instituto de Física Corpuscular (CSIC-UV))
Dr.
Santiago Gonzalez de la Hoz
(IFIC)
