面向 GPU 上误差有界有损压缩的霍夫曼解码优化

越来越多的 HPC（高性能计算）应用需要快速有效的压缩技术来处理存储与传输中的海量数据。这些应用不仅需要在模拟过程中有效地压缩数据，还需要在事后分析时高效地执行解压缩。SZ 是一种面向科学数据的误差有界有损压缩器，而 cuSZ 是充分利用 GPU 算力的 SZ 版本。目前，cuSZ 的压缩性能已得到显著优化，但其解压缩性能仍因复杂的无损压缩步骤——定制的霍夫曼解码——而明显偏低。本工作中，我们旨在显著提升 cuSZ 的霍夫曼解码性能，进而改善其整体解压缩性能。为此，我们首先深入研究了两种最先进的 GPU 霍夫曼解码器。随后，我们对这两种算法提出了深入的架构优化。具体而言，我们通过以下方式充分利用 CUDA GPU 架构：在解码/写入阶段使用共享内存、在线调优所用共享内存大小、改善内存访问模式以及减少 warp 发散。最后，我们在 Nvidia V100 GPU 上使用八个代表性科学数据集评估了优化后的解码器。我们的新解码方案相较 cuSZ 的霍夫曼解码器取得了平均 3.64 倍的加速，并将其整体解压缩性能平均提升了 2.43 倍。