FZ-GPU：面向 GPU 上科学计算应用的高速高比率有损压缩器
分布式、并行与集群计算
2023-05-04 v2
摘要
当今在高效能计算（HPC）系统上运行的大规模科学应用产生海量数据。因此，数据压缩正成为缓解存储负担与数据移动成本的关键技术。然而，现有的科学数据有损压缩器无法同时实现高压缩比与高吞吐率，阻碍其在诸多需要快速压缩的应用（如内存压缩）中的采用。为此，本文中我们为科学数据开发了一款在 GPU 上运行的高速高比率误差有界有损压缩器（称为 FZ-GPU）。具体而言，我们首先设计了一条由完全并行化的量化、位重排和我们新设计的快速编码组成的压缩流水线。随后，我们针对流水线中每个内核提出一系列深度架构优化，以充分利用 CUDA 架构。我们提出一种线程束级优化，以避免位重排中位操作的冲突，最大化共享内存利用率，并通过融合不同压缩内核来消除不必要的数据移动。最后，我们使用来自 SDRBench 的六个代表性科学数据集在两块 NVIDIA GPU（即 A100 与 RTX A4000）上评估 FZ-GPU。在 A100 GPU 上的结果表明，在相同误差界下，FZ-GPU 相较 cuSZ 平均加速 4.2 倍，相较我们算法的多线程 CPU 实现平均加速 37.0 倍。在相同数据失真下，FZ-GPU 相较 cuZFP 平均加速 2.3 倍且平均压缩比提升 2.0 倍。
引用
@article{arxiv.2304.12557,
title = {FZ-GPU: A Fast and High-Ratio Lossy Compressor for Scientific Computing Applications on GPUs},
author = {Boyuan Zhang and Jiannan Tian and Sheng Di and Xiaodong Yu and Yunhe Feng and Xin Liang and Dingwen Tao and Franck Cappello},
journal= {arXiv preprint arXiv:2304.12557},
year = {2023}
}
备注
14 pages, 12 figures, accepted by ACM HPDC '23