通过优化的无损-有损协同编排提升科学误差有界压缩性能
分布式、并行与集群计算
2025-09-03 v2
摘要
随着高性能计算架构的演化，越来越多的科学计算工作流程正在部署在高级计算平台（如 GPU）上。这些工作流程会以极高的吞吐量生成原始数据，亟需提供高比例、低延迟的误差有界数据压缩解决方案。本文提出了 cuSZ-Hi，这是一个基于 GPU 的优化高比例科学误差有界有损压缩器，具备灵活、与域无关且完全开源的框架设计。我们的新颖贡献包括：1）最大化对 GPU 上并行插值基于数据预测方案的优化，使其能够适应多样化数据特征，实现插值基于科学数据预测的全部功能；2）彻底探索和研究无损数据编码技术，然后为最大化 cuSZ-Hi 的压缩比率构建并纳入最佳匹配的无损编码管线；3）在基准数据集上系统评估 cuSZ-Hi，并与代表性基线方法进行比较。与现有领先的科学有损压缩器相比，cuSZ-Hi 在相同的误差界限下实现了最高可达 249% 的压缩比提升，在相同的分解数据 PSNR 下实现了最高可达 215% 的压缩比提升。
引用
@article{arxiv.2507.11165,
title = {Boosting Scientific Error-Bounded Lossy Compression through Optimized Synergistic Lossy-Lossless Orchestration},
author = {Shixun Wu and Jinwen Pan and Jinyang Liu and Jiannan Tian and Ziwei Qiu and Jiajun Huang and Kai Zhao and Xin Liang and Sheng Di and Zizhong Chen and Franck Cappello},
journal= {arXiv preprint arXiv:2507.11165},
year = {2025}
}
备注
accepted by SC '25