.png){kind=icon}
返回
HRPF: A parallel programming framework for recursive algorithms on heterogeneous CPU-GPU systems
.png){kind=icon}
PRE
AI
DOI：10.1016/j.parco.2026.103187.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
递归作为一种常见的编程范式，被广泛应用于众多应用中。通过将递归问题视为任务，递归过程生成许多独立的子任务，这揭示了并行的潜力。为了在异构CPU-GPU系统上利用这种并行性，本文介绍了HRPF（异构递归并行编程框架）。HRPF提供了一套编程接口来定义递归算法，屏蔽了用户在任务分配、调度和数据移动方面的复杂性。这促进了在CPU-GPU系统上高效且简便地实现并行递归程序。HRPF通过结合深度优先搜索（DFS）和广度优先搜索（BFS）策略在CPU和GPU工作线程之间调度任务。它采用了一种混合工作窃取调度算法，结合了工作优先和帮助优先策略以实现动态负载均衡。HRPF运行时系统确保主机和设备之间的数据一致性，并重叠计算与数据传输。此外，HRPF提供了一套并行循环编程接口。为了评估HRPF，我们在四种常用算法中实现了包括归并排序、快速排序、Strassen-Winograd矩阵乘法和并行循环在内的多个基准测试。在CPU-GPU平台上的实验结果表明，与OpenMP、StarPU和Taskflow相比，HRPF在一系列基准测试中实现了更优的性能。
Keyword:
Parallel programming model
Heterogeneous computing
Recursive algorithm
Work-stealing
Loop parallelization
期刊
P
IF:
2.1
论文数:
19
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏HeteroPP: A directive‐based heterogeneous cooperative parallel programming frameworkHeteroPP：一种基于指令的异构协同并行编程框架
PREAI
分享收藏分享收藏
查看更多内容