Meerkat：一种面向 GPU 上动态图算法的框架

图算法因其多变的拓扑与不规则访问模式而难以实现。现实世界中的图本质上是动态的，会频繁经历边与顶点的添加及删除。动态图的典型例子包括社交网络、协作网络与道路网络。在动态图上重复应用静态算法效率低下。遗憾的是，对于如何在 GPU 等大规模并行架构上高效处理动态图，我们知之甚少。现有的动态图表示与处理方法要么不够通用，要么效率低下。本文提出一个基于库的动态图算法框架，其提出一种 GPU 定制图表示并利用 warp 协同执行模型。该库名为 Meerkat，构建于近期提出的 GPU 动态图表示之上。该表示利用基于哈希表的机制存储顶点的邻域。Meerkat 还支持对一组顶点(如全部顶点或某顶点的邻居)的快速迭代。基于 Meerkat 中编码的高效迭代模式，我们实现了广度优先搜索、单源最短路径、三角形计数、弱连通分量与 PageRank 等流行图算法的动态版本。相比最先进的动态图分析框架 Hornet，Meerkat 在查询、插入与删除操作上分别快 $12.6\times$、$12.94\times$ 与 $6.1\times$。使用多种真实世界图，我们观察到 Meerkat 显著提升了底层动态图算法的效率。Meerkat 在 BFS 上平均优于 Hornet $1.17\times$，SSSP $1.32\times$，PageRank $1.74\times$，WCC $6.08\times$。