Utilización de la plataforma hadoop para implementar un programa distribuido que permita encontrar las paredes de células de la epidermis de plantas modificadas genéticamente

Abstract

En este trabajo se presenta la implementación de un programa distribuido que permite encontrar las paredes de células epiteliales de plantas del tipo Arabidopsis Thaiana captadas en imágenes con interferencia diferencial de contraste mediante la implementación de un algoritmo detector de estructuras curvilíneas en un programa distribuido a partir de sus clases en C++. El documento está dividido en 7 Capítulos que comprenden el análisis del problema, conceptual, las plataformas, solución, diseños, implementación y las pruebas y análisis de resultados utilizando tecnologías escalables de procesamiento masivo y escalable de datos en este caso imágenes para la interpretación y post procesamiento. En el Capítulo 1 se describe la necesidad de una herramienta de gran escalabilidad. Se proponen los objetivos, el alcance, limitaciones y la justificación del presente proyecto. En el Capítulo 2 se realiza una breve descripción del marco teórico utilizado, como los algoritmos usados y posteriormente se centra en el formato de las imágenes que se usan para el procesamiento. En el Capítulo 3 se describe la plataforma de desarrollo, herramientas y los servicios. Más adelante se describen en detalle cada uno de estos servicios y su utilidad dentro del proyecto, enfocándose en el paradigma de MapReduce. Se llevó a cabo un análisis del problema porque es esencial conocer el problema, el conjunto de soluciones que se dieron y cuál fue la más óptima. Este análisis se detalla en el Capítulo 4. En el Capítulo 5 se describe la arquitectura que tiene el proyecto. Aquí se detalla cómo todos los componentes se unen y se lleva el proceso entre ellos. Además se especifica cómo se van a mostrar los resultados. En el Capítulo 6 se realiza una descripción de los pasos seguidos para la implementación de los archivos de entrada, procesamiento de las imágenes y sus resultados, todos acoplados al entorno de Hadoop. Finalmente, en el Capítulo 7, se detalla las pruebas de eficacia y eficiencia que se realizaron en los clústeres de Amazon, el análisis y conclusión de ellas.