分层超稀疏 GraphBLAS 矩阵的垂直、时间与水平扩展
分布式、并行与集群计算
2021-12-17 v1 离散数学
数学软件
网络与互联网体系结构
性能
摘要
超稀疏矩阵是多种网络、健康、金融与社会应用的有力赋能者。分层超稀疏 GraphBLAS 矩阵能够在保持代数分析能力与便利性的同时实现快速流式更新。在许多场景中，这些更新的速率决定了性能的上限。本文在多种硬件上以相同的软件配置探究了分层超稀疏更新性能。GraphBLAS 的高级语言绑定便于在同步的多样化硬件上开展性能实验。测得的最佳单进程性能为每秒 4,000,000 次更新。测得的最佳单节点性能为每秒 170,000,000 次更新。所用硬件跨度近十年，使得对该计算在此时间范围内的硬件改进进行直接比较成为可能；结果显示单核性能提升 2 倍、单进程性能提升 3 倍、单节点性能提升 5 倍。在近 2,000 个 MIT SuperCloud 节点上同时运行实现了超过每秒 200,000,000,000 次更新的持续更新速率。分层超稀疏 GraphBLAS 使 MIT SuperCloud 能够分析极大规模的流式网络数据集。
引用
@article{arxiv.2108.06650,
title = {Vertical, Temporal, and Horizontal Scaling of Hierarchical Hypersparse GraphBLAS Matrices},
author = {Jeremy Kepner and Tim Davis and Chansup Byun and William Arcand and David Bestor and William Bergeron and Vijay Gadepally and Matthew Hubbell and Michael Houle and Michael Jones and Anna Klein and Lauren Milechin and Julie Mullen and Andrew Prout and Albert Reuther and Antonio Rosa and Siddharth Samsi and Charles Yee and Peter Michaleas},
journal= {arXiv preprint arXiv:2108.06650},
year = {2021}
}
备注
6 pages, 5 figures, 32 references, accepted to IEEE HPEC 2021. arXiv admin note: text overlap with arXiv:2001.06935