面向 GPU 的分布式草图基影响最大化算法 DiFuseR
分布式、并行与集群计算
2024-10-21 v1 性能
社会与信息网络
摘要
影响最大化 (IM) 旨在找到给定数量的 "seed" 顶点，以有效最大化给定扩散模型下的预期传播。由于寻找最优种子集的 NP-Hard 性质，人们常使用近似算法进行 IM。然而，这些算法需要大量仿真才能找到好的种子集。本文提出了 DiFuseR，一个在分布式设置下可运行的高速、高质量 IM 算法。DiFuseR 旨在提高 GPU 利用率、减少节点间通信，并最小化节点之间的数据/计算重叠。在各种图的实验中（包含一些可用的最大网络），以及各种扩散设置下，所提出的方法在单个 GPU 上平均快 3.2 倍，在 8 个 GPU 上平均快 12 倍。它在相同的硬件设置下可实现最高 8 倍和 233.7 倍的加速。此外， thanks to its smart load-balancing mechanism, 在 8 个 GPU 上，平均比单 GPU 性能快 5.6 倍。
引用
@article{arxiv.2410.14047,
title = {DiFuseR: A Distributed Sketch-based Influence Maximization Algorithm for GPUs},
author = {Gökhan Göktürk and Kamer Kaya},
journal= {arXiv preprint arXiv:2410.14047},
year = {2024}
}