.png){kind=icon}
返回
Efficient Graph Data Access for Out-of-Memory GPU Streaming Graph Processing
.png){kind=icon}
PRE
AI
DOI：10.14778/3749646.3749659.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
利用GPU的高并行性可以显著提高流式图处理的实时计算效率。然而，当大规模图超出GPU内存容量时，CPU-GPU协同处理往往会导致大量的不规则CPU到GPU数据传输开销。这源于连续计算过程中广泛的冗余图访问，而现有方案难以解决这一问题。在本工作中，我们提出了Grapin，一个旨在通过两种有效技术减少冗余访问以最小化图数据传输的内存外GPU流式图处理系统：(1)通过将高级增量处理算法的重型数据依赖处理转换为GPU友好形式，将其扩展到GPU上，从计算端消除冗余图访问；(2)提供一种轻量级且高效的GPU热点子图管理框架，以顶点为中心的方式精细缓存频繁访问的动态子图。实验结果表明，Grapin能够高效地在单个NVIDIA A5000 GPU上处理包含数十亿条边的超大规模流式图。启用增量计算可减少61%的数据传输，而GPU热点子图复用的集成进一步减少了剩余传输的72%，总减少率达89%。与基于CPU的方案相比，Grapin实现了1.8倍至96.9倍（平均17.9倍）的加速比。
Keyword:
DYNAMIC GRAPH
期刊
P
IF:
3.3
论文数:
563
被引数:
1.2W
机构
引用论文
.png){kind=icon}
分享收藏
分享收藏分享收藏分享收藏
查看更多内容