SlimSell：一种用于广度优先搜索的可向量化图表示
分布式、并行与集群计算
2020-10-23 v2 数据结构与算法
摘要
向量化与 GPU 将深刻改变图处理。为 32 位或 64 位内存访问调优的传统图算法，在已见于英特尔 Knights Landing (KNL) 众核 CPU 的 512 位宽（或更宽）指令单元架构上将效率低下。预见到这一转变，我们提出 SlimSell：一种基于稀疏矩阵-稠密向量（SpMV）乘积、用于加速广度优先搜索（BFS）的可向量化图表示。SlimSell 扩展并融合了最先进的 SIMD 友好的 Sell-C-sigma 矩阵存储格式与热带、实数、布尔和 sel-max 半环运算。所得设计减少了必要的存储（最高达 50%），从而减轻了内存子系统的压力。我们以 SlimWork 和 SlimChunk 方案增强 SlimSell，减少了工作量并改善了负载均衡，进一步加速了 BFS。我们在英特尔 Haswell 多核 CPU、最先进的英特尔 Xeon Phi KNL 众核 CPU 和 NVIDIA Tesla GPU 上评估了所有方案。我们的实验指出了哪种半环为 BFS 提供最高加速比，并表明 SlimSell 将调优后的 Graph500 BFS 代码加速了至多 33%。本工作表明，基于 SpMV 乘积的 BFS 可通过向量化获得高性能；所提出的原则与设计可扩展至其他图算法。
引用
@article{arxiv.2010.09913,
title = {SlimSell: A Vectorizable Graph Representation for Breadth-First Search},
author = {Maciej Besta and Florian Marending and Edgar Solomonik and Torsten Hoefler},
journal= {arXiv preprint arXiv:2010.09913},
year = {2020}
}