动态图静态与增量扩展 DF-P PageRank 的高效 GPU 实现
分布式、并行与集群计算
2024-04-25 v2 社会与信息网络
摘要
PageRank 是一种广泛使用的中心性度量，它通过考虑图中的连接及其重要性来对顶点进行“排名”。在本报告中，我们首先介绍了静态 PageRank 的高效 GPU 实现之一，该实现从头重新计算 PageRank 得分。它使用同步的、基于拉取的、无原子操作的 PageRank 计算，并将低入度和高入度顶点进行分区，由两个独立的内核进行处理。接下来，我们提出了增量扩展（和收缩）动态前沿剪枝（DF-P）PageRank 的 GPU 实现，该实现仅处理可能改变排名的顶点子集。它基于静态 PageRank，并在低出度和高出度顶点之间使用额外的分区，通过两个额外的内核来增量扩展受影响顶点集。在配备 NVIDIA A100 GPU 的服务器上，我们的静态 PageRank 实现分别比 Hornet 和 Gunrock 的 PageRank 实现快 31 倍和 5.9 倍。在此基础上，DF-P PageRank 在真实动态图上比静态 PageRank 快 2.1 倍，在具有随机批量更新的大型静态图上快 3.1 倍。
引用
@article{arxiv.2404.08299,
title = {Efficient GPU Implementation of Static and Incrementally Expanding DF-P PageRank for Dynamic Graphs},
author = {Subhajit Sahu},
journal= {arXiv preprint arXiv:2404.08299},
year = {2024}
}
备注
23 pages, 13 figures, 4 tables. arXiv admin note: text overlap with arXiv:2401.15870