加速压缩算法的通用 SIMD 方法
广义相对论与量子宇宙学
2017-06-12 v2
摘要
压缩算法对于面向数据的任务至关重要，尤其是在大数据时代。配备强大 SIMD 指令集的现代处理器为我们提供了实现更好压缩性能的机会。先前的研究表明，基于 SIMD 的优化可以将解码速度提高数倍。继这些开创性研究之后，我们提出了一种加速压缩算法的通用方法。通过实例化该方法，我们开发了几种新的整数压缩算法，称为 Group-Simple、Group-Scheme、Group-AFOR 和 Group-PFD，并实现了它们相应的向量化版本。我们在两个公共 TREC 数据集、一个 Wikipedia 数据集和一个 Twitter 数据集上评估了所提出的算法。凭借具有竞争力的压缩比和编码速度，我们的基于 SIMD 的算法在解码速度方面优于最先进的非向量化算法。
引用
@article{arxiv.1502.01915,
title = {All spherically symmetric charged anisotropic solutions for compact star},
author = {S. K. Maurya and Y. K. Gupta and Saibal Ray},
journal= {arXiv preprint arXiv:1502.01915},
year = {2017}
}
备注
28 pages, 15 figures, major changes in the text. arXiv admin note: text overlap with arXiv:1408.5126 by other authors