.png){kind=icon}
返回
Structure-Aware Thread Throttling for Energy-Efficient Graph Processing on Shared-Memory Systems
.png){kind=icon}
PRE
AI
DOI：10.1016/j.future.2025.108297.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
共享内存系统上的图处理能够充分利用内存带宽并避免通信开销，但其能效并不如预期。由于内存带宽成为主要瓶颈，增加更多核心并不总能带来性能提升。为解决此限制，我们提出了两种预测性线程限速模型，通过推断图的稀疏性、偏斜度等特征确定最佳线程数，旨在以最小性能损失降低能耗。加权模型在GreGraphMat、GrePolymer、GreGrazelle和GreLigra四个代表性框架上实现，并在Intel Xeon Gold 6230R和Loongson 3A6000两种CPU架构上进行评估。实验结果显示，在Intel平台上Energy-Delay Product（EDP）最多提升30%，在Loongson平台上则实现了稳定的15.8%能耗降低和1.16倍加速。这些结果证实，所提出的模型在共享内存图处理中实现了稳健的能效、良好的可扩展性和跨架构通用性。