Gmavis : a domain-specific language for large-scale geospatial data visualization supporting multi-core parallelism

• Ano de defesa: 2016
• Autor(a) principal: Ledur, Cleverson Lopes
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: Pontifícia Universidade Católica do Rio Grande do Sul; Faculdade de Informática; Brasil; PUCRS; Programa de Pós-Graduação em Ciência da Computação
• Palavras-chave em Português: LINGUAGEM DE PROGRAMAÇÃO DE DOMÍNIO ESPECÍFICO (COMPUTADORES); PROCESSAMENTO PARALELO; INFORMÁTICA; CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
• Link de acesso: http://tede2.pucrs.br/tede2/handle/tede/6837

A geração de dados tem aumentado exponencialmente nos últimos anos devido à popularização da tecnologia. Ao mesmo tempo, a visualização da informações permite a extração de conhecimentos e informações úteis através de representação de dados com elementos gráficos. Diferentes técnicas de visualização auxiliam na percepção de informações sobre os dados, tal como a identificação de padrões ou anomalias. Apesar dos benefícios, muitas vezes a geração de uma visualização pode ser uma tarefa difícil para os usuários com baixo conhecimento em programação de computadores. E torna-se mais difícil quando esses usuários precisam lidar com grandes arquivos de dados, uma vez que a maioria das ferramentas não oferece os recursos para abstrair o pré-processamento de dados. Considerando este contexto, neste trabalho é proposta e descrita a GMaVis, uma linguagem específica de domínio (DSL), que permite uma descrição de alto nível para a criação de visualizações usando dados geoespaciais através de um pré-processador de dados paralelo e um gerador de visualizações. GMaVis foi avaliada utilizando duas abordagens. Na primeira foi realizada uma análise de esforço de programação, através de um software para estimar o esforço de desenvolvimento com base no código. Esta avaliação demonstrou um alto ganho em produtividade quando comparado com o esforço de programação exigido com APIs ou bibliotecas que possuem a mesma finalidade. Na segunda abordagem foi realizada uma avaliação de desempenho no pré-processador de dados paralelo, que demonstrou um ganho de desempenho quando comparado com a versão sequencial.