PICO：在 GPU 上加速所有 k-Core 范式
分布式、并行与集群计算
2024-02-26 v1
摘要
核分解（Core decomposition）是一个成熟的图挖掘问题，涉及将图划分为层次子图，具有多种应用。从顶点收敛依赖性的角度来看，已开发出使用自底向上和自顶向下方法的解决方案。然而，尽管对增强性能的需求日益增长，现有算法尚未有效利用 GPU 性能来加速核分解。此外，尚未充分探索在并行同步结构内从两个不同方向解决核分解性能限制的问题。本文介绍了一种高效的 GPU 加速框架 PICO，用于 k-core 分解的 Peel 和 Index2core 范式。我们提出了 PeelOne，这是一种基于 Peel 的算法，旨在通过消除‘低于核’（under-core）的顶点来简化并行逻辑并最小化原子操作。我们还提出了一种基于 Index2core 的算法，名为 HistoCore，解决了跨顶点和边的大量冗余计算问题。在 NVIDIA RTX 3090 GPU 上的大量实验表明，PeelOne 优于所有其他基于 Peel 的算法，而 HistoCore 优于所有其他基于 Index2core 的算法。此外，HistoCore 甚至在六个数据集上比 PeelOne 快 1.1 倍至 3.2 倍，打破了在共享内存并行设置中 Index2core 范式性能远差于 Peel 的刻板印象。
引用
@article{arxiv.2402.15253,
title = {PICO: Accelerating All k-Core Paradigms on GPU},
author = {Chen Zhao and Ting Yu and Zhigao Zheng and Song Jin and Jiawei Jiang and Bo Du and Dacheng Tao},
journal= {arXiv preprint arXiv:2402.15253},
year = {2024}
}