数据冗余对 MLFMA 近场计算加速效果的建模
分布式、并行与集群计算
2025-11-27 v1 性能
摘要
多层快速多极阵列算法（MLFMA）中的近场（P2P）算子在 GPU 上因内存局部性差成为性能瓶颈。本文通过减少内存访问散布性引入数据冗余以提升空间局部性。为验证结果，本文提出基于局部性指标的分析模型，将数据体积与访问散布性相结合，以预测加速趋势，无需依赖硬件特定的剖析。该方法在两个基于 MLFMA 的应用中得到验证：一个结构规则的电磁求解器（DBIM-MLFMA），以及分布不规则的星体动力学代码（PhotoNs-2.0）。结果显示，由于缓存行为改善，内核加速最高可达 7 倍。然而，数据体积增加导致数据重构开销上升，限制端到端应用加速仅为 1.04 倍。虽然该模型无法精确预测绝对加速值，但可可靠地捕捉不同问题规模与密度下的性能趋势。该技术可通过最小代码修改注入现有实现。本工作表明，在数据移动成本低于局部性收益时，数据冗余可增强 P2P 算子的 GPU 性能。
引用
@article{arxiv.2511.21535,
title = {Modeling the Effect of Data Redundancy on Speedup in MLFMA Near-Field Computation},
author = {Morteza Sadeghi},
journal= {arXiv preprint arXiv:2511.21535},
year = {2025}
}