{"title":"MakeD - 分布式制作","authors":"Aredis S. de Oliveira, Rogério Drummond","doi":"10.5753/sbes.1997.24048","DOIUrl":null,"url":null,"abstract":"Este artigo descreve a transformação da aplicação make centralizada numa ferramenta distribuída que usa os recursos disponíveis na rede local. O Make Distribuído (MakeD) foi implementado com o objetivo de tomar o processo de make mais eficiente, e analisar aspectos do desenvolvimento de aplicações distribuídas a partir de aplicações centralizadas e de grande porte. A implementação da aplicação cliente/servidor MakeD combina o mecanismo de RPC com recursos de multithreading para explorar a distribuição de tarefas na rede e a multitarefa em cada sistema. Os resultados obtidos demonstram um ganho no desempenho, que atinge 65% em relação ao make original. Se combinar a distribuição e a concorrência nas estações, o ganho relativo chega a 80%.","PeriodicalId":342565,"journal":{"name":"Anais do XI Simpósio Brasileiro de Engenharia de Software (SBES 1997)","volume":"5 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"1997-10-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"MakeD - Make Distribuído\",\"authors\":\"Aredis S. de Oliveira, Rogério Drummond\",\"doi\":\"10.5753/sbes.1997.24048\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Este artigo descreve a transformação da aplicação make centralizada numa ferramenta distribuída que usa os recursos disponíveis na rede local. O Make Distribuído (MakeD) foi implementado com o objetivo de tomar o processo de make mais eficiente, e analisar aspectos do desenvolvimento de aplicações distribuídas a partir de aplicações centralizadas e de grande porte. A implementação da aplicação cliente/servidor MakeD combina o mecanismo de RPC com recursos de multithreading para explorar a distribuição de tarefas na rede e a multitarefa em cada sistema. Os resultados obtidos demonstram um ganho no desempenho, que atinge 65% em relação ao make original. Se combinar a distribuição e a concorrência nas estações, o ganho relativo chega a 80%.\",\"PeriodicalId\":342565,\"journal\":{\"name\":\"Anais do XI Simpósio Brasileiro de Engenharia de Software (SBES 1997)\",\"volume\":\"5 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"1997-10-15\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Anais do XI Simpósio Brasileiro de Engenharia de Software (SBES 1997)\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.5753/sbes.1997.24048\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais do XI Simpósio Brasileiro de Engenharia de Software (SBES 1997)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5753/sbes.1997.24048","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
Este artigo descreve a transformação da aplicação make centralizada numa ferramenta distribuída que usa os recursos disponíveis na rede local. O Make Distribuído (MakeD) foi implementado com o objetivo de tomar o processo de make mais eficiente, e analisar aspectos do desenvolvimento de aplicações distribuídas a partir de aplicações centralizadas e de grande porte. A implementação da aplicação cliente/servidor MakeD combina o mecanismo de RPC com recursos de multithreading para explorar a distribuição de tarefas na rede e a multitarefa em cada sistema. Os resultados obtidos demonstram um ganho no desempenho, que atinge 65% em relação ao make original. Se combinar a distribuição e a concorrência nas estações, o ganho relativo chega a 80%.