GPU集群上的可扩展广度优先搜索
分布式、并行与集群计算
2018-04-06 v2 数据结构与算法
摘要
在GPU集群上，高计算力与通信带宽之比使得在无标度图上扩展广度优先搜索（BFS）极具挑战性。通过分离高与外度低顶点，我们给出了一种具有可扩展计算和对BFS及方向优化BFS可扩展通信模型的实现。我们的通信模型对高度数顶点使用全局归约，对低度数顶点使用点对点传输。利用度数分离的特性，我们将图大小缩减至传统边表表示的的三分之一。结合若干其他优化，我们观察到随着GPU数量增加呈现线性弱缩放，并在最新CORAL早期访问系统上用124个GPU在scale-33 Graph500 RMAT图上达到259.8 GTEPS。
引用
@article{arxiv.1803.03922,
title = {Scalable Breadth-First Search on a GPU Cluster},
author = {Yuechao Pan and Roger Pearce and John D. Owens},
journal= {arXiv preprint arXiv:1803.03922},
year = {2018}
}
备注
12 pages, 13 figures. To appear at IPDPS 2018