MPI 分布式图上的快速动态更新与动态 SpGEMM
分布式、并行与集群计算
2022-06-01 v3
摘要
稀疏矩阵乘法（Sparse matrix multiplication, SpGEMM）是许多不同应用领域（包括数值与离散）中的基础核。例如，许多代数图算法依赖热带半环上的 SpGEMM 来计算图中最短路径。近来，针对特定（并行）架构实现的 SpGEMM 日益受到关注。然而，这仅涉及静态问题，即两个输入矩阵均不发生变化。但在许多应用中，矩阵（或其对应图）随时间变化。尽管从头重算代价极高，我们并未发现文献中有任何动态 SpGEMM 算法。因此，本文我们提出一种基于 MPI 的并行计算的批动态算法。构建于允许快速更新的分布式图/矩阵数据结构之上，我们的动态 SpGEMM 显著减少了通信量。它通过利用更新所改变的矩阵项远少于输入操作数中的非零项来实现这一点。我们使用流行基准图的实验表明我们的方法卓有成效。对于矩阵项的成批插入或删除，我们的动态 SpGEMM 比最先进竞品 CombBLAS、CTF 和 PETSc 中的静态算法快得多。
引用
@article{arxiv.2202.08808,
title = {Fast Dynamic Updates and Dynamic SpGEMM on MPI-Distributed Graphs},
author = {Alexander van der Grinten and Geert Custers and Duy Le Thanh and Henning Meyerhenke},
journal= {arXiv preprint arXiv:2202.08808},
year = {2022}
}
备注
various updates