.png){kind=icon}
返回
PRISM: An Efficient GPU-Based Lossy Compression Framework for Progressive Data Retrieval with Multi-Level Interpolation
.png){kind=icon}
PRE
AI
DOI：10.1145/3774934.3786438.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着计算能力的指数级增长，大规模科学模拟正产生海量数据，导致关键的存储和I/O挑战。误差有界的有损压缩已成为在保持精度同时减少数据大小的最有效解决方案之一。利用GPU对于此类大规模数据集的高性能压缩日益重要，但基于GPU的有损压缩器通常仅支持单精度解压缩，限制了其满足科学工作流多样化精度要求的能力。渐进式压缩器可通过启用按需精度检索来克服此限制。然而，现有的基于GPU的渐进式有损压缩器仍存在吞吐量低的问题。为解决这些挑战，我们提出PRISM，一种基于GPU的渐进式有损压缩器，它实现了高吞吐量和多精度检索，引入了一个高性能渐进式框架，该框架集成了多种插值预测器、高效的位平面提取以及结合了符号-绝对值编码和零感知并行算法的增强无损压缩。在五个科学领域代表性真实世界数据集上的评估表明，PRISM显著优于当前基于GPU的渐进式压缩器，在相同误差界限下将检索数据量减少了15.6倍以上，并在NVIDIA H100 GPU上实现了高达20.1倍的吞吐量提升。
Keyword:
Lossy compressor
Progressive decompression
High performance
期刊
机构
引用论文
.png){kind=icon}
Computational Burst Buffers: Accelerating HPC I/O via In-Storage Compression Offloading计算突发缓冲区：通过存储内压缩卸载加速高性能计算I/O
PREAI
分享收藏
Error-Controlled Lossy Compression Optimized for High Compression Ratios of Scientific Datasets
PREAI
分享收藏cuSZp: An Ultra-fast GPU Error-bounded Lossy Compression Framework with Optimized End-to-End PerformancecuSZp: 一种具有优化端到端性能的超高速GPU误差界约束有损压缩框架
PREAI
分享收藏
查看更多内容