Ferramentas de ensino com grafos de fluxo de fados em três níveis de abstração

• Ano de defesa: 2020
• Autor(a) principal: Passe, Fernando Ferreira
• Orientador(a): Ferreira, Ricardo dos Santos
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa
• Programa de Pós-Graduação: Ciência da Computação
• Área do conhecimento CNPq: Ciência da Computação
• Link de acesso: https://locus.ufv.br//handle/123456789/31010

O processamento de aplicações com grande volume de dados e alto consumo de re- cursos computacionais é uma realidade. Aplicações de stream de áudio, vídeo e jogos vêm exigindo uma mudança de paradigma, onde estruturas não bloqueantes com processamento paralelo são essenciais. Neste contexto, o uso de grafo de fluxos de dados na modelagem dos algoritmos vem como uma forma de tornar as aplicações escaláveis, já que é possível especificar o paralelismo de forma explícita. Além disso, os dados são processados à medida em que chegam e combinados para aproveitar o máximo de recursos do hardware. O uso de softwares como Node-RED e Digital JS auxiliam no aprendizado e na modelagem com grafos de fluxos de dados por meio interfaces gráficas amigáveis. Ademais, o uso de aceleradores de hardware por meio de FPGAs permite o desenvolvimento de implementações em hardware com estrutu- ras paralelas. Esta dissertação tem contribuições em três eixos. Primeiro, no ensino de Internet das Coisas através da modelagem com grafos de fluxo de dados usando a ferramenta Node-Red. Segundo, no ensino de projeto de processadores com a visualização do grafo estrutural da especificação com a ferramenta Digital-JS e a linguagem de descrição de hardware Verilog, que resultou em uma nova ferramenta denominada RISCVerilog. Terceiro, na modelagem de aplicações com grafo de fluxo de dados para implementação em FPGA na nuvem com a ferramenta READY, resultando na ferra- menta PLAIN. Palavras-chave: IoT. Internet das coisas. FPGA. Grafo de fluxo de dados. CGRA. RiscV