使用以分区为中心的处理加速 PageRank
分布式、并行与集群计算
2018-08-08 v4 数据结构与算法
性能
摘要
PageRank 是一种基本的链接分析算法，同时也是稀疏矩阵-向量乘法性能的关键代表。传统的 PageRank 实现会产生细粒度的随机内存访问，导致大量无用的 DRAM 流量和较差的带宽利用率。在本文中，我们提出了一种新颖的以分区为中心的处理方法来计算 PageRank，该方法在实现高持续内存带宽的同时，大幅减少了 DRAM 通信量。PCPM 使用以分区为中心的抽象，结合 Gather-Apply-Scatter (GAS) 编程模型。通过仔细检查基于 PCPM 的实现对算法通信特性的影响，我们提出了几种系统优化方案，大幅缩短了执行时间。更具体地说，我们开发了（1）一种显著减少通信和随机 DRAM 访问的新数据布局，以及（2）消除不可预测的数据依赖分支的分支规避机制。我们使用 6 个大图对我们的方法进行了详细的分析和实验评估，结果表明，与现有技术相比，执行时间平均加速了 2.7 倍，通信量减少了 1.7 倍。我们还表明，与其他基于 GAS 的实现不同，PCPM 能够利用增强局部性的智能节点标记来进一步减少主存流量。尽管我们在本文中将 PageRank 作为目标应用，但我们的方法也可应用于通用的 SpMV 计算。
引用
@article{arxiv.1709.07122,
title = {Accelerating PageRank using Partition-Centric Processing},
author = {Kartik Lakhotia and Rajgopal Kannan and Viktor Prasanna},
journal= {arXiv preprint arXiv:1709.07122},
year = {2018}
}
备注
Added acknowledgments. In proceedings of USENIX ATC 2018