Sphynx：面向分布式内存系统的并行多 GPU 图划分器

图划分一直是将在多个处理器间分配工作以最小化通信成本并均衡负载的重要工具。随着基于加速器的超级计算机逐渐成为标准，随着应用快速迁移到这些架构上，图划分的使用变得更为重要。然而，目前尚无可供应用使用的分布式内存并行多 GPU 图划分器。我们利用可移植、加速器友好的 Trilinos 框架栈开发了谱图划分器 Sphynx。在 Sphynx 中，我们允许使用不同的预条件子并发挥其独特优势。我们使用 Sphynx 系统性地评估谱划分中的各种算法选择，重点关注 GPU 性能。我们在两类不同的图上进行了评估：规则图（如网格、有限元方法得到的矩阵）与不规则图（如社交网络与万维网图），表明这两类图需要不同的设置与预条件子。在 Summit 超级计算机上的实验结果表明，在应用友好的设置下，Sphynx 在不规则图上是速度最快的方案，并在规则图上取得接近 ParMETIS 的划分质量。与单 GPU 上的 nvGRAPH 相比，Sphynx 更快且获得更好的负载均衡与更优的划分质量。Sphynx 为寻求基于 GPU 的划分器的应用提供了一跨广泛图类的良好且鲁棒的划分方法。