基于 Intel Xeon Phi Knights Landing 多核处理器节点的集群系统上使用 MPI 和 OpenMP 技术进行超长时间序列子序列相似性搜索
分布式、并行与集群计算
2023-03-09 v1
摘要
如今，在气候建模、金融预测、医学研究等众多时间序列挖掘应用中都需要进行子序列相似性搜索。在大多数此类应用中，使用动态时间规整 (DTW) 相似性度量，因为经验证明 DTW 是大多数主题领域最佳的相似性度量之一。由于 DTW 度量相对于查询子序列长度具有二次计算复杂度，目前已针对多种众核架构（即 FPGA、GPU 和 Intel MIC）开发了多种并行算法。本文提出了一种新的并行算法，用于在基于 Intel Xeon Phi Knights Landing (KNL) 众核处理器节点的计算机集群系统上进行超长时间序列的子序列相似性搜索。计算在两个层面上并行化：在所有集群节点层面通过 MPI 实现，在单个集群节点内部通过 OpenMP 实现。该算法引入了额外的数据结构和冗余计算，从而能够有效利用 Phi KNL 上的向量计算能力。在真实数据集和合成数据集上的实验评估表明，该算法具有高度可扩展性。
引用
@article{arxiv.1812.10302,
title = {The Use of MPI and OpenMP Technologies for Subsequence Similarity Search in Very Large Time Series on Computer Cluster System with Nodes Based on the Intel Xeon Phi Knights Landing Many-core Processor},
author = {Yana Kraeva and Mikhail Zymbler},
journal= {arXiv preprint arXiv:1812.10302},
year = {2023}
}
备注
Accepted for publication in the "Numerical Methods and Programming" journal (http://num-meth.srcc.msu.ru/english/, in Russian "Vychislitelnye Metody i Programmirovanie"), in Russian