點(diǎn)擊上方藍(lán)字關(guān)注我們

面向異構(gòu)眾核超級(jí)計(jì)算機(jī)的大規(guī)模稀疏計(jì)算性能優(yōu)化研究

胡正丁,?薛巍

清華大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系，北京 100084

論文引用格式：

胡正丁,?薛巍.面向異構(gòu)眾核超級(jí)計(jì)算機(jī)的大規(guī)模稀疏計(jì)算性能優(yōu)化研究[J].大數(shù)據(jù), 2020, 6(4):40-55.

HE X B, JIANG J H.Research on performance optimization for large-scale sparse computation over many-core heterogenous supercomputer[J].Big Data Research, 2020, 6(4):40-55.

1 引言

近年來(lái)，隨著計(jì)算機(jī)系統(tǒng)和大數(shù)據(jù)技術(shù)的發(fā)展，大規(guī)模數(shù)值計(jì)算、科學(xué)計(jì)算等在大型異構(gòu)并行系統(tǒng)上的應(yīng)用逐漸深入。從對(duì)自然現(xiàn)象的模擬和預(yù)測(cè)到工程學(xué)設(shè)計(jì)和產(chǎn)品研發(fā)，超級(jí)計(jì)算(以下簡(jiǎn)稱超算)在這些領(lǐng)域發(fā)揮著不可或缺的作用。與此同時(shí)，應(yīng)用的需求反過來(lái)也促進(jìn)了超級(jí)計(jì)算機(jī)的發(fā)展，更大型超級(jí)計(jì)算系統(tǒng)的構(gòu)建使得更多富有挑戰(zhàn)性的任務(wù)的解決成為可能。大規(guī)模計(jì)算往往與大數(shù)據(jù)，特別是大規(guī)模稀疏數(shù)值問題緊密相連。數(shù)值天氣預(yù)報(bào)通過數(shù)值計(jì)算求解描述天氣演變過程的流體力學(xué)和熱力學(xué)的方程組，以預(yù)測(cè)未來(lái)的大氣運(yùn)動(dòng)狀態(tài)和天氣現(xiàn)象。若在全球采取千米級(jí)分辨率，會(huì)產(chǎn)生百億規(guī)模的計(jì)算網(wǎng)格，相應(yīng)的聯(lián)立方程組規(guī)模會(huì)達(dá)到千億級(jí)別。7天左右的天氣預(yù)報(bào)需要約6萬(wàn)步迭代，而涉及氣候預(yù)測(cè)的時(shí)間跨度甚至多達(dá)數(shù)年，其中的計(jì)算規(guī)模和數(shù)據(jù)規(guī)模是難以想象的。在線網(wǎng)絡(luò)欺詐分析結(jié)合大數(shù)據(jù)和人工智能技術(shù)檢測(cè)網(wǎng)絡(luò)欺詐行為，需要保證預(yù)測(cè)結(jié)果的準(zhǔn)確性和實(shí)時(shí)性。全球的中文網(wǎng)頁(yè)約有2 700億個(gè)，鏈接數(shù)量達(dá)12萬(wàn)億個(gè)，相應(yīng)網(wǎng)頁(yè)圖存儲(chǔ)規(guī)模達(dá)到137 TB，這無(wú)疑對(duì)數(shù)據(jù)存取和算法運(yùn)行效率提出了很高的要求。稀疏問題的計(jì)算核心(如稀疏矩陣運(yùn)算和圖遍歷等)在大規(guī)模計(jì)算中廣泛存在。天氣預(yù)報(bào)、地震分析等自然現(xiàn)象模擬過程需要對(duì)大規(guī)模偏微分方程進(jìn)行求解，其中涉及頻繁的稀疏矩陣運(yùn)算操作。而蛋白質(zhì)交互、基因工程和腦科學(xué)等科學(xué)研究工作需要對(duì)大規(guī)模稀疏圖進(jìn)行生成、遍歷和處理。超級(jí)計(jì)算機(jī)系統(tǒng)由于具有強(qiáng)大的存儲(chǔ)和計(jì)算能力，成為解決大規(guī)模稀疏問題的有效選擇。而由于其訪存和計(jì)算模式的特殊性質(zhì)，稀疏問題在并行和分布式計(jì)算機(jī)系統(tǒng)上的求解成為一個(gè)難題，具體體現(xiàn)在任務(wù)劃分、計(jì)算調(diào)度、存儲(chǔ)管理和功耗管理等多個(gè)方面。超級(jí)計(jì)算機(jī)給稀疏問題求解帶來(lái)了全新的機(jī)遇和挑戰(zhàn)。因此，本文針對(duì)基于異構(gòu)眾核的超級(jí)計(jì)算機(jī)——“神威·太湖之光”的大數(shù)據(jù)稀疏問題解決和優(yōu)化方案進(jìn)行闡述，探討異構(gòu)眾核計(jì)算機(jī)架構(gòu)下大規(guī)模稀疏計(jì)算性能優(yōu)化的一般性方法，為在新一代異構(gòu)眾核系統(tǒng)上開展大規(guī)模稀疏計(jì)算問題求解提供借鑒。

2 稀疏問題的計(jì)算挑戰(zhàn)

因?yàn)橄∈鑶栴}具有非規(guī)則的計(jì)算與訪存特征，所以其在大規(guī)模超級(jí)計(jì)算機(jī)中的求解面臨嚴(yán)峻的挑戰(zhàn)，主要包括以下幾點(diǎn)。(1)不規(guī)則的主存儲(chǔ)器訪問隨著CPU主頻的提高和處理器計(jì)算能力的不斷增強(qiáng)，CPU運(yùn)算速度與主存帶寬不匹配的問題越來(lái)越嚴(yán)重。與計(jì)算密集型應(yīng)用不同，稀疏計(jì)算核心的計(jì)算訪存比往往較低。典型的稀疏計(jì)算問題(如稀疏矩陣向量乘法、基礎(chǔ)向量矩陣運(yùn)算、模板計(jì)算等)只有常數(shù)級(jí)別的計(jì)算訪存比，而其余典型算術(shù)核心(如渦格法、快速傅里葉變換、粒子法)的計(jì)算訪存比會(huì)達(dá)到O(logN)甚至O(N)的級(jí)別。因此對(duì)于稀疏計(jì)算型應(yīng)用而言，存儲(chǔ)器訪問的開銷可能遠(yuǎn)遠(yuǎn)超過計(jì)算本身帶來(lái)的開銷，使得訪存問題成為應(yīng)用開發(fā)過程中需要重點(diǎn)關(guān)注的部分。計(jì)算機(jī)系統(tǒng)的存儲(chǔ)器架構(gòu)往往是多級(jí)的。靠近處理器的存儲(chǔ)層級(jí)一般存取速度快，但容量較小；反過來(lái)，遠(yuǎn)離處理器的存儲(chǔ)層級(jí)容量大、速度慢。對(duì)于大規(guī)模計(jì)算機(jī)系統(tǒng)而言，這種容量和計(jì)算速度的對(duì)比往往更加夸張。因此，要解決應(yīng)用的訪存問題，需要解決大規(guī)模稀疏數(shù)據(jù)的存儲(chǔ)管理策略問題，盡量將頻繁使用的數(shù)據(jù)放在高層級(jí)，減少低層存儲(chǔ)器的訪問次數(shù)，同時(shí)做好數(shù)據(jù)的分塊和搬運(yùn)策略，增強(qiáng)訪存的連續(xù)性和一致性。稀疏型計(jì)算問題的訪存模式是不規(guī)則的。稀疏計(jì)算問題的數(shù)據(jù)局部性較差，可能存在離散化、隨機(jī)化、不規(guī)則訪存的問題，隨機(jī)化訪存對(duì)數(shù)據(jù)分塊和局部化并不友好，而細(xì)粒度訪存會(huì)導(dǎo)致不同節(jié)點(diǎn)的競(jìng)爭(zhēng)，增大存儲(chǔ)總線的壓力。稀疏計(jì)算問題的這種特性給開發(fā)者的存儲(chǔ)管理策略帶來(lái)了許多困難。此外，傳統(tǒng)的動(dòng)態(tài)隨機(jī)存取存儲(chǔ)器(dynamic random access memory， DRAM)價(jià)格昂貴、能耗高、性能不穩(wěn)定，給許多大數(shù)據(jù)稀疏問題的解決帶來(lái)了限制。近年來(lái)出現(xiàn)了大量的新型非易失性存儲(chǔ)器(non-volatile memory，NVM)，它們具有價(jià)格和能耗較低、容量大、性能高的特點(diǎn)，給內(nèi)存存儲(chǔ)與計(jì)算模式帶來(lái)了巨大的變革，新型內(nèi)存計(jì)算技術(shù)正在蓬勃發(fā)展。為了充分利用NVM容量大和DRAM讀寫性能好的優(yōu)勢(shì)，并且最大限度地避免各種存儲(chǔ)介質(zhì)的缺陷，DRAM-NVM異構(gòu)內(nèi)存系統(tǒng)的設(shè)計(jì)與優(yōu)化成為研究的熱點(diǎn)。這種異構(gòu)系統(tǒng)的實(shí)現(xiàn)面臨體系結(jié)構(gòu)、系統(tǒng)軟件、編程模型等多個(gè)層面的挑戰(zhàn)，相關(guān)研究工作已經(jīng)提出了具有針對(duì)性的解決方案。例如，相變存儲(chǔ)器(phase change memory，PCM)就是非易失性存儲(chǔ)器的一種，其存儲(chǔ)密度較高、持久性強(qiáng)，有學(xué)者通過將PCM與DRAM結(jié)合來(lái)構(gòu)建優(yōu)勢(shì)互補(bǔ)的混合存儲(chǔ)架構(gòu)。(2)可并行化與負(fù)載均衡部分稀疏計(jì)算核心可能存在非規(guī)則的計(jì)算模式。比如，在求解線性方程組用到稀疏矩陣LU分解(LU factorization)與稀疏三角矩陣方程求解(sparse triangular solver，SpTRSV)的過程中，不同位置的數(shù)據(jù)具有計(jì)算依賴關(guān)系，存在求解的先后順序。在模板計(jì)算中，每個(gè)進(jìn)程需要等待halo區(qū)，也就是由其部分鄰居進(jìn)程負(fù)責(zé)計(jì)算的數(shù)據(jù)區(qū)域完成后才可開始下一步計(jì)算。這種基于數(shù)據(jù)依賴的非規(guī)則計(jì)算模式使得傳統(tǒng)分塊并行方法不再適用，開發(fā)者需要最大限度地挖掘應(yīng)用中可并行化的部分。同時(shí)，多核計(jì)算機(jī)系統(tǒng)中每個(gè)處理器的負(fù)載也是需要考慮的問題。稀疏矩陣中的非零元排布如圖1所示，其中b和x分別表示矩陣的行和列兩個(gè)維度。在一個(gè)稀疏矩陣中，不同行/列間的非零元分布密度可能存在巨大差別。如果采用靜態(tài)分塊方法，會(huì)導(dǎo)致不同處理器負(fù)責(zé)計(jì)算的非零元數(shù)目不均衡。這種不均衡不僅會(huì)大大降低應(yīng)用的性能，還可能造成部分處理器資源的浪費(fèi)，增大應(yīng)用運(yùn)行的功耗和成本。這對(duì)大規(guī)模稀疏問題的問題劃分和任務(wù)分配提出了更高的要求。(3)數(shù)據(jù)傳輸與通信在大規(guī)模異構(gòu)計(jì)算機(jī)系統(tǒng)上，稀疏問題的求解往往涉及頻繁的進(jìn)程間/節(jié)點(diǎn)間通信。這種通信給I/O和節(jié)點(diǎn)間網(wǎng)絡(luò)帶來(lái)了巨大壓力。隨著眾核架構(gòu)的廣泛使用，處理器主頻和單核的計(jì)算能力受限，原有的超算基礎(chǔ)軟件(如MPI通信庫(kù))主要面向進(jìn)程通信開發(fā)，其中的大量計(jì)算功能依賴單核的計(jì)算能力，已經(jīng)無(wú)法滿足新的架構(gòu)需求；同時(shí)，隨著管理進(jìn)程數(shù)的增加，超算基礎(chǔ)軟件本身的內(nèi)存開銷成為一個(gè)不可忽視的問題，這些都成為限制大數(shù)據(jù)稀疏應(yīng)用性能提升的關(guān)鍵因素。隨著超算規(guī)模的增大，相對(duì)固定的系統(tǒng)配置無(wú)法與多種多樣的應(yīng)用計(jì)算和通信模式有效匹配，同時(shí)在通信、I/O層面的應(yīng)用相互干擾問題愈加突出。通信瓶頸往往會(huì)對(duì)應(yīng)用性能的可擴(kuò)展性與穩(wěn)定性造成影響。因此，如何解決數(shù)據(jù)的傳輸和通信問題，對(duì)于應(yīng)用開發(fā)者來(lái)說(shuō)是一項(xiàng)挑戰(zhàn)。在大數(shù)據(jù)時(shí)代，應(yīng)用的問題規(guī)模和相應(yīng)的數(shù)據(jù)規(guī)模呈爆炸式增長(zhǎng)，大量非結(jié)構(gòu)化數(shù)據(jù)的出現(xiàn)使得提取信息的難度越來(lái)越大，也對(duì)外存儲(chǔ)器的訪問效率提出了更高的要求。顯然，基于磁盤的存儲(chǔ)系統(tǒng)已經(jīng)難以滿足日益增長(zhǎng)的訪問需求。與磁盤相比，閃存(flash memory)具有體積小、能耗低、帶寬高、時(shí)延低、抗震性強(qiáng)、可靠性高等特點(diǎn)，研究人員正著力于構(gòu)建大規(guī)模閃存存儲(chǔ)系統(tǒng)，以充分發(fā)揮閃存優(yōu)勢(shì)，適應(yīng)大數(shù)據(jù)環(huán)境的發(fā)展。

3 異構(gòu)眾核架構(gòu)及挑戰(zhàn)

本文以典型的異構(gòu)眾核超級(jí)計(jì)算機(jī)——“神威·太湖之光”中的申威26010眾核處理器(SW26010)為例，介紹異構(gòu)眾核架構(gòu)及其應(yīng)用開發(fā)的挑戰(zhàn)。圖1???稀疏矩陣中的非零元排布

3.1 異構(gòu)眾核架構(gòu)設(shè)計(jì)

圖2所示為典型的采用異構(gòu)眾核架構(gòu)的申威26010眾核處理器，每個(gè)處理器包含4個(gè)核組，每個(gè)核組通過片上網(wǎng)絡(luò)互聯(lián)，并通過PCI-E 3.0對(duì)外連接。每個(gè)核組獨(dú)立運(yùn)行，包含一個(gè)控制核心(主核)、64個(gè)運(yùn)算核心(從核)和一個(gè)內(nèi)存控制器。整個(gè)處理器可以提供3.06 TFlops的雙精度浮點(diǎn)計(jì)算峰值性能和136 GB/s的理論總內(nèi)存帶寬。圖2???SW26010架構(gòu)主核擁有常規(guī)的兩級(jí)Cache系統(tǒng)，通常被用于執(zhí)行管理和通信任務(wù)。從核具有很高的浮點(diǎn)運(yùn)算性能，通常被用于執(zhí)行計(jì)算任務(wù)。與常規(guī)的緩存方式不同，每個(gè)從核包含一個(gè)大小為64 KB的便箋存儲(chǔ)器(local data memory,LDM)。LDM由靜態(tài)隨機(jī)存取存儲(chǔ)器(static randomaccess memory，SRAM)設(shè)計(jì)，與主存DRAM的地址空間分離，并對(duì)用戶可見，用戶需要顯式地控制數(shù)據(jù)在主存和LDM之間的傳輸。每個(gè)核組的64個(gè)從核構(gòu)成8×8的網(wǎng)格陣列，每?jī)尚袕暮斯蚕硪粭l連接到內(nèi)存控制器的總線。從核訪問主存的方式有兩種：一種是通過全局讀入(gload)和寫出(gstore)指令實(shí)現(xiàn)內(nèi)存-寄存器的數(shù)據(jù)傳輸，這種方式粒度較細(xì)，更加靈活，但帶寬只能達(dá)到1.5 GB/s；另一種是通過直接內(nèi)存訪問(direct memory access，DMA)實(shí)現(xiàn)內(nèi)存-LDM的數(shù)據(jù)傳輸，再通過訪問LDM來(lái)獲取數(shù)據(jù)。DMA是一種粗粒度的訪存模式，根據(jù)StreamTriad測(cè)試，64個(gè)從核同時(shí)通過DMA訪存可以獲得22.6 GB/s的帶寬。SW26010另一個(gè)獨(dú)特的設(shè)計(jì)是從核陣列上的寄存器通信技術(shù)。根據(jù)StreamTriad測(cè)試，寄存器的通信時(shí)延僅11個(gè)指令周期，集合帶寬超過600 GB/s。在8×8的網(wǎng)格陣列中，同一行或同一列的從核可以高速互傳數(shù)據(jù)。每個(gè)從核都有一個(gè)發(fā)送緩沖區(qū)、一個(gè)行接收緩沖區(qū)和一個(gè)列接收緩沖區(qū)。在寄存器通信中，硬件會(huì)將發(fā)送緩沖區(qū)內(nèi)的數(shù)據(jù)放到目標(biāo)從核的行/列接收緩沖區(qū)中。這個(gè)過程以阻塞方式自動(dòng)進(jìn)行，直到發(fā)送緩沖區(qū)為空或者接收緩沖區(qū)已滿。

3.2 異構(gòu)眾核架構(gòu)的挑戰(zhàn)和開發(fā)技巧

異構(gòu)眾核架構(gòu)擁有與常規(guī)并行程序開發(fā)不同的編程和優(yōu)化模式。這種不同為大規(guī)模并行程序帶來(lái)巨大性能潛能的同時(shí)，也給程序開發(fā)者提出了更多的要求。“神威·太湖之光”把并行度推進(jìn)到千萬(wàn)核級(jí)別，因而也對(duì)數(shù)值型應(yīng)用和優(yōu)化方法的可擴(kuò)展性提出了挑戰(zhàn)。因此，在開發(fā)過程中應(yīng)當(dāng)注意以下幾個(gè)方面。(1)充分發(fā)揮從核運(yùn)算性能SW26010每個(gè)核組內(nèi)的從核可以使用SunwayOpenACC或Athread實(shí)現(xiàn)并行執(zhí)行。根據(jù)性能指標(biāo)計(jì)算，SW26010上的主核浮點(diǎn)性能約為23.2 GFlops，而從核浮點(diǎn)性能達(dá)到了742.4 GFlops。由于這種浮點(diǎn)性能上的巨大差距，要提升計(jì)算密集型程序的運(yùn)行效率，就需要盡可能充分地發(fā)揮從核的運(yùn)算性能，充分發(fā)掘應(yīng)用內(nèi)部的并行性。由于從核的數(shù)目和物理拓?fù)潢P(guān)系相對(duì)固定，以及從核LDM大小和內(nèi)存帶寬的限制，應(yīng)用內(nèi)部的子問題劃分需要具有足夠的局部性，同時(shí)也要考慮從核陣列的排布特點(diǎn)。非同行/列的從核間無(wú)法直接進(jìn)行寄存器通信，可能需要其他從核參與，這會(huì)顯著增加從核間寄存器通信的開銷，因此最好將相鄰的任務(wù)分配到相同的行/列上。由于每?jī)尚袕暮酥g共享一條內(nèi)存總線，要想提升內(nèi)存帶寬，就需要充分利用4條內(nèi)存總線，將內(nèi)存訪問均勻地分配到每條總線上。對(duì)于一些計(jì)算和訪存不規(guī)則的應(yīng)用，簡(jiǎn)單的分塊方法可能造成從核間負(fù)載不均衡，因而無(wú)法完全發(fā)揮處理器的性能。這些都對(duì)并行問題的劃分提出了較高的要求。(2)充分利用LDM，減輕主存壓力SW26010主存和局部存儲(chǔ)器的訪問性能差異尤其明顯，從核進(jìn)行離散化訪存的開銷是高昂的，全局離散存/取(gload/gstore)指令需要超過200個(gè)時(shí)鐘周期，而訪問局部存儲(chǔ)器LDM僅需4個(gè)時(shí)鐘周期。因此，要提升并行程序的運(yùn)行效率，就要充分利用LDM局部存儲(chǔ)器，減少全局內(nèi)存訪問，設(shè)計(jì)好的緩存策略。SW26010的獨(dú)特架構(gòu)將緩存策略的設(shè)計(jì)交給開發(fā)者，這一做法更加增加了這一問題的重要性和難度。SW26010的從核LDM大小為64 KB，顯然無(wú)法滿足所有應(yīng)用對(duì)局部數(shù)據(jù)的需求。在一些程序中，頻繁的主存-LDM交換是可能存在的，而減少交換次數(shù)、提高交換效率是開發(fā)者需要考慮和實(shí)現(xiàn)的。合理的LDM管理策略是提高申威架構(gòu)下程序運(yùn)行效率的關(guān)鍵點(diǎn)之一。從核DMA的帶寬高達(dá)22.6 GB/s，而gload/gstore指令的帶寬只有不到1.5 GB/s。另外，DMA可以在數(shù)據(jù)傳輸過程中解放CPU，實(shí)現(xiàn)計(jì)算-訪存重疊模式，縮短時(shí)延。因此，連續(xù)化、聚合化的DMA訪存可以有效提升訪存效率，而部分應(yīng)用的不規(guī)則訪存模式增大了使用DMA的難度。值得注意的是，申威架構(gòu)的DMA效率在特定情況下可達(dá)到峰值。對(duì)于隨機(jī)化訪存，DMA操作性能會(huì)在256 B及以上的粒度下達(dá)到峰值。另外，由于DMA是以128 B大小的塊為單位進(jìn)行訪問的，因此數(shù)據(jù)需要按照128 B對(duì)齊，以充分發(fā)揮其性能。稀疏計(jì)算型應(yīng)用常常涉及對(duì)主存中多個(gè)數(shù)組的離散化、細(xì)粒度的訪問，這種訪問模式很難充分發(fā)揮DMA操作的性能，因此需要對(duì)數(shù)據(jù)布局進(jìn)行調(diào)整。對(duì)于多個(gè)具有相似的訪問模式的數(shù)組，可以將其合并，即將包含多個(gè)數(shù)組的結(jié)構(gòu)體(structure of arrays，SOA)轉(zhuǎn)化為一個(gè)大的包含多個(gè)元素的結(jié)構(gòu)體的數(shù)組(arrays of structures，AOS)。如果合并后的結(jié)構(gòu)體不滿足內(nèi)存對(duì)界要求，可以適當(dāng)?shù)丶尤肟瘴?padding)進(jìn)行填補(bǔ)。對(duì)于難以合并的、訪問模式獨(dú)立的數(shù)組，可以對(duì)數(shù)組的數(shù)據(jù)分布進(jìn)行調(diào)整。比如，在地震模擬應(yīng)用中，在主存中開辟出額外的存儲(chǔ)空間，用于存儲(chǔ)每個(gè)進(jìn)程需要訪問的劃分后的包含halo區(qū)的數(shù)組部分，這樣可以保證DMA操作的連續(xù)性，減少內(nèi)存訪問操作的頻率。數(shù)據(jù)結(jié)構(gòu)的調(diào)整可以有效解決稀疏問題的細(xì)粒度訪存問題，提升稀疏型應(yīng)用在申威架構(gòu)下的訪存帶寬。(3)充分運(yùn)用從核間通信從核間高效的寄存器通信接口為數(shù)據(jù)通信和共享提供了有效的方法。寄存器通信的時(shí)延為7～11個(gè)時(shí)鐘周期，遠(yuǎn)小于DMA (超過25個(gè)時(shí)鐘周期)和全局存取(超過600個(gè)時(shí)鐘周期)的開銷。因此，一個(gè)通用的方法是將從核LDM中或寄存器中的數(shù)據(jù)通過寄存器通信發(fā)送給其他從核，實(shí)現(xiàn)數(shù)據(jù)共享，減少對(duì)全局內(nèi)存的訪問頻率。寄存器通信的編程模式給開發(fā)者帶來(lái)了挑戰(zhàn)。由于實(shí)際應(yīng)用中可能存在復(fù)雜的核間通信和同步關(guān)系，阻塞式的通信接口會(huì)顯著增加程序設(shè)計(jì)的難度，開發(fā)者需要謹(jǐn)慎考慮核間數(shù)據(jù)傳輸關(guān)系，排除死鎖的可能性。由于從核接收緩沖區(qū)大小有限，如果發(fā)送從核(即發(fā)送數(shù)據(jù)的從核)傳送的數(shù)據(jù)規(guī)模較大，則需要保證目標(biāo)從核在自身阻塞前能夠完成接收，否則可能出現(xiàn)級(jí)聯(lián)阻塞現(xiàn)象。另外，在多發(fā)送者-單接收者的模式下，可能會(huì)存在數(shù)據(jù)亂序的問題，需要額外考慮程序的正確性。這些都給程序設(shè)計(jì)和優(yōu)化帶來(lái)了很大難度。(4)SIMD向量化的使用單指令多數(shù)據(jù)流(single instruction multiple data，SIMD)是SW26010的一個(gè)擴(kuò)展的功能模塊。SW26010提供了256位的寄存器，每個(gè)寄存器可以存放8個(gè)整型數(shù)或4個(gè)浮點(diǎn)數(shù)。使用這些寄存器進(jìn)行向量化運(yùn)算，可以達(dá)到一條指令得到多個(gè)結(jié)果的效果。SIMD從源操作數(shù)的數(shù)組空間將數(shù)據(jù)裝載到256位SIMD寄存器，并通過SIMD運(yùn)算指令完成計(jì)算，最后將結(jié)果存儲(chǔ)到目標(biāo)操作數(shù)的數(shù)組空間。SIMD不僅降低了功耗，而且顯著提高了性能，定點(diǎn)和浮點(diǎn)的理論峰值性能為單部件的8倍或4倍。循環(huán)展開(loop unwinding)作為一種犧牲程序的尺寸來(lái)加快程序的執(zhí)行速度的優(yōu)化方法，可以由程序員完成，也可由編譯器自動(dòng)優(yōu)化完成。對(duì)于擁有多個(gè)計(jì)算部件的SW26010，SIMD可以被看作一種指令形式的循環(huán)展開，SIMD向量化寄存器為多個(gè)運(yùn)算器提供了指令級(jí)并行。SW26010編譯器提供了簡(jiǎn)潔的SIMD編程指令來(lái)顯式地開發(fā)指令級(jí)并行，開發(fā)者不再需要對(duì)代碼進(jìn)行手動(dòng)展開或依賴編譯器的自動(dòng)優(yōu)化。向量化為申威架構(gòu)下的程序提供了巨大的性能機(jī)遇，但其實(shí)際應(yīng)用存在一些困難。向量化適用于連續(xù)型數(shù)據(jù)訪問和運(yùn)算，對(duì)于非連續(xù)型(如AOS類型)數(shù)據(jù)，其裝載和存儲(chǔ)過程帶來(lái)的開銷可能超過計(jì)算優(yōu)化本身帶來(lái)的收益。因此，開發(fā)者應(yīng)當(dāng)注意SIMD使用的可行性，要合理使用向量化，需要時(shí)可對(duì)數(shù)據(jù)排布進(jìn)行調(diào)整。例如，分子動(dòng)力學(xué)應(yīng)用需要按前文所述的方法將數(shù)據(jù)轉(zhuǎn)化為AOS形式的粒子數(shù)據(jù)包，以最大限度地提升DMA性能。但這種AOS形式的數(shù)據(jù)并不適合向量化。為此，對(duì)于局部獲取的數(shù)據(jù)，需要進(jìn)行類似矩陣轉(zhuǎn)置的轉(zhuǎn)化，使得相同數(shù)組的元素在存儲(chǔ)空間中連續(xù)，如圖3所示，將一個(gè)粒子包內(nèi)的數(shù)據(jù)轉(zhuǎn)化為每種元素連續(xù)的形式，這樣可以用向量寄存器存儲(chǔ)，并開展計(jì)算。這種轉(zhuǎn)換操作可以使用SW26010支持的指令(如simd_vshulff)高效地完成。參考中的一個(gè)粒子數(shù)據(jù)包包含4個(gè)粒子的數(shù)據(jù)，轉(zhuǎn)換完成后的數(shù)據(jù)剛好按照4個(gè)浮點(diǎn)數(shù)對(duì)齊，放在一個(gè)4浮點(diǎn)數(shù)向量寄存器內(nèi)。圖3???分子動(dòng)力學(xué)中的數(shù)據(jù)布局變換

4 大規(guī)模稀疏計(jì)算問題的性能優(yōu)化實(shí)踐

4.1 高分辨率大氣模擬中的隱式求解

大規(guī)模大氣動(dòng)力模擬對(duì)于天氣預(yù)報(bào)和預(yù)測(cè)氣象災(zāi)害有重大意義，該領(lǐng)域的應(yīng)用往往涉及對(duì)大規(guī)模網(wǎng)格的計(jì)算和求解。此前，國(guó)內(nèi)相關(guān)研究實(shí)現(xiàn)了基于CPU-GPU和CPU-MIC加速的顯式時(shí)步全球淺水波(shallow water)模式，它們分別在天河-1A和天河2號(hào)上取得了800 TFlops和1.63 PFlops的性能，擴(kuò)展到半系統(tǒng)級(jí)別。此后，以上工作被擴(kuò)展到3-D非靜力模式，在天河2號(hào)上取得8%的峰值浮點(diǎn)運(yùn)算效率。然而，這些工作只關(guān)注了顯式求解過程，在高分辨率的大氣模擬中，傳統(tǒng)的大氣動(dòng)力學(xué)方程顯式求解方法面臨計(jì)算步長(zhǎng)過小的問題，因此隱式求解成為可能的解決方法。但隱式求解方法又面臨收斂性和稀疏線性方程組求解低效的問題，如何在隱式求解算法上開發(fā)千萬(wàn)核并行是待解決的問題。三維非靜力大氣模擬過程主要涉及對(duì)完全可壓縮歐拉方程的求解。在超大規(guī)模方程組求解中如何保證魯棒性較強(qiáng)的收斂率是一個(gè)問題，為此，淺層區(qū)域分解多重網(wǎng)格(domain decomposition-multigrid， DD-MG)算法被提出。圖4展示了一個(gè)3層的DD-MG算法，在每個(gè)k-cycle的MG層級(jí)，一層RAS方法被作為區(qū)域分解的預(yù)條件，從而在處理器層級(jí)最大限度地開發(fā)并行性。DD-MG算法保證了求解過程的收斂性，同時(shí)，作為一種粗粒度的并行，其保證了核組間的負(fù)載均衡。圖4???DD-MG算法示意圖大規(guī)模隱式方程求解的性能取決于局部求解的性能，為此，參考提出并實(shí)現(xiàn)了高局部性、細(xì)粒度和無(wú)同步的本地求解器。對(duì)于指定的重疊子區(qū)域，基于低秩的7點(diǎn)空間偏導(dǎo)構(gòu)建近似的雅可比矩陣，并在每個(gè)網(wǎng)格點(diǎn)中對(duì)未知數(shù)進(jìn)行排序。該過程不破壞原有矩陣物理成分的聯(lián)系。在DD-MG的框架下，可以用不完全LU(incomplete LU，ILU)分解方法對(duì)子區(qū)域開展求解。傳統(tǒng)的LU分解由于矩陣非零元的相互依賴和可能的不規(guī)則分布，很難有效通過并行算法進(jìn)行求解。為此，在適用于眾核架構(gòu)的并行ILU(parallel incomplete LU，PILU)方法的基礎(chǔ)上進(jìn)行改進(jìn)，幾何流水化ILU(geometrybased pipelined incomplete LU，GPILU)算法被提出，這種方法在保持?jǐn)?shù)據(jù)依賴關(guān)系的基礎(chǔ)上很大程度地開發(fā)了片上并行性。在整體算法實(shí)現(xiàn)上，參考文獻(xiàn)在處理器、線程及指令層級(jí)上開展了不同程度的優(yōu)化，在隱式求解器的關(guān)鍵運(yùn)算核心上取得了有效的性能提升。考慮到SW26010的特性，參考針對(duì)不同計(jì)算核心提出了3種不同的劃分策略，如圖5所示。這里假設(shè)主存內(nèi)的三維AOS數(shù)據(jù)按照z-x-y的維度順序存儲(chǔ)， core(i,j)表示處理器陣列中第i行第j列的從核。右端相關(guān)運(yùn)算核心中，相應(yīng)的模板計(jì)算有13個(gè)依賴點(diǎn)，整個(gè)求解區(qū)域被分為內(nèi)部區(qū)域(inner)和halo區(qū)，halo區(qū)是不同節(jié)點(diǎn)計(jì)算區(qū)域的鄰接部分，由頂部、底部和東西南北6個(gè)面組成，這些部分都涉及數(shù)據(jù)通信。不需要通信的內(nèi)部區(qū)域采用2.5D分塊與雙緩沖策略結(jié)合的方法，如圖5(a)所示，分塊大小由LDM大小、向量化程度、雙緩沖占用率和DMA效率綜合考慮決定，最終采用4×4的大小。MAT運(yùn)算核心沒有halo區(qū)，因此沿軸按“柱”方向進(jìn)行1D分塊，如圖5(b)所示。這里的分塊大小應(yīng)當(dāng)是4的倍數(shù)，以方便向量化。ILU核心實(shí)現(xiàn)了線程間和線程內(nèi)部的并行，分塊方式如圖5(c)所示。在xy平面上，分塊把整個(gè)求解區(qū)域劃分成8×8的子區(qū)域，每個(gè)子區(qū)域中沿z軸的一“柱”剛好對(duì)應(yīng)8×8=64個(gè)SW26010處理器眾核。在這種粒度的劃分下，求解流水線開始/結(jié)束時(shí)從核間的負(fù)載不均衡可以被最小化，水平和豎直方向上的兩層流水線可以高效地工作。類似地，前代/回代過程(下三角/上三角矩陣求解)采取類似的劃分方法。圖5???針對(duì)不同運(yùn)算核心的數(shù)據(jù)劃分策略在2.5D分塊中，每個(gè)從核對(duì)內(nèi)存的訪問存在一定間隔，導(dǎo)致內(nèi)存帶寬的不充分利用。一種利用寄存器通信的在線數(shù)據(jù)共享方法可以有效解決該問題。如圖6所示，該方法將4個(gè)從核分為一組，通過3個(gè)步驟完成數(shù)據(jù)共享，在第一步分解操作中，對(duì)于求解的內(nèi)部區(qū)域，組內(nèi)的從核從內(nèi)存讀入計(jì)算區(qū)域和兩層halo區(qū)，共4×4+2×2=20個(gè)元素的數(shù)據(jù)；在第二步復(fù)制操作中，每個(gè)核上對(duì)應(yīng)的數(shù)據(jù)區(qū)域被擴(kuò)展，開辟冗余的halo區(qū)，從而形成4×(4+2×2)=32個(gè)元素區(qū)域；在第三步交換操作中通過快速的寄存器通信在從核間傳遞計(jì)算所需數(shù)據(jù)，這種數(shù)據(jù)交換不涉及LDM與內(nèi)存的數(shù)據(jù)傳輸，減輕了內(nèi)存帶寬的負(fù)擔(dān)。圖6中的4個(gè)從核通過3個(gè)步驟完成數(shù)據(jù)交換，每一步之后都需要進(jìn)行同步。一般來(lái)說(shuō)，增加每組包含的從核個(gè)數(shù)可以顯著地提升數(shù)據(jù)重用效率，但相應(yīng)的同步開銷會(huì)增大。實(shí)驗(yàn)表明， 4個(gè)從核分為一組最好地平衡了兩者。圖6???在線數(shù)據(jù)共享方法過程為了更好地實(shí)現(xiàn)向量化，參考中實(shí)現(xiàn)了高效的AOS和SOA轉(zhuǎn)換接口。這里使用SW26010的shuffle指令，可以在十幾個(gè)時(shí)鐘周期內(nèi)將結(jié)構(gòu)內(nèi)的AOS數(shù)據(jù)裝載到256位向量寄存器中。另外，部分?jǐn)?shù)據(jù)操作(如BLAS-1向量更新和halo區(qū)交換)需要在SW26010上得到實(shí)現(xiàn)和優(yōu)化。基于申威架構(gòu)的xMath數(shù)學(xué)運(yùn)算加速庫(kù)是為了高性能數(shù)學(xué)運(yùn)算開發(fā)的，提供了BLAS、LAPACK和FFT操作接口。調(diào)用該庫(kù)并添加一些手動(dòng)優(yōu)化，可以在BLAS-1向量操作上取得20倍以上的加速。以上提及的完全隱式方程求解器應(yīng)用已被成功地?cái)U(kuò)展到整個(gè)“神威·太湖之光”超級(jí)計(jì)算機(jī)的超過100萬(wàn)個(gè)的異構(gòu)眾核上，在雙精度求解下性能達(dá)到了7.95 PFlops。實(shí)驗(yàn)中，在488 m水平分辨率(超過7 700億個(gè)非零元)條件下，該應(yīng)用依然能夠?qū)崿F(xiàn)快速而精確的大氣模擬，成為世界上較大規(guī)模的完全隱式模擬之一。

4.2 非線性大地震模擬中的顯式求解

我國(guó)是受地震災(zāi)害影響嚴(yán)重的國(guó)家，分布有23條地震帶，7度以上的高烈度區(qū)域約占國(guó)土面積的50%。對(duì)地震的模擬和預(yù)測(cè)可以有效減少地震災(zāi)害帶來(lái)的損失。很多與地震模擬相關(guān)的應(yīng)用已經(jīng)開始在大規(guī)模并行計(jì)算機(jī)系統(tǒng)上尋找答案，以開源軟件AWP-ODC(anelastic wave propagation by Olsen,Day and Cui)為例，該軟件自2008年起開始推進(jìn)在千兆級(jí)計(jì)算機(jī)系統(tǒng)上的應(yīng)用，2016年該應(yīng)用完成了對(duì)非線性效應(yīng)模擬的支持，并在“泰坦”超級(jí)計(jì)算機(jī)上取得1.6 PFlops的性能，擴(kuò)展到半系統(tǒng)級(jí)別。由于計(jì)算過程中每個(gè)網(wǎng)格點(diǎn)都需要對(duì)超過20個(gè)變量進(jìn)行讀寫，傳統(tǒng)的分塊策略并不適用。為此，參考提出了一種自定義的多級(jí)計(jì)算區(qū)域分解策略(如圖7所示)，包括MPI分解、CG核組分塊劃分和CPE從核分塊劃分。在LDM空間利用策略的計(jì)算過程中，計(jì)算區(qū)域和完成區(qū)域不斷向前推進(jìn)，未完成區(qū)域逐漸縮小，緩沖區(qū)域用來(lái)存儲(chǔ)計(jì)算所需的鄰接區(qū)。這里假設(shè)主存內(nèi)的三維AOS數(shù)據(jù)按照z-x-y的維度順序存儲(chǔ)，該方法先沿著xy平面對(duì)求解區(qū)域進(jìn)行2D劃分，并分配到每個(gè)MPI進(jìn)程中。這是由于在該應(yīng)用中豎直(z軸)方向的長(zhǎng)度要遠(yuǎn)小于水平(x軸和y軸)方向的長(zhǎng)度，這種劃分方法可以有效減少M(fèi)PI進(jìn)程間的通信量。第二層沿著zy平面進(jìn)行塊劃分，并將該層的每個(gè)塊分配給一個(gè)核組。最終，第三層依然沿著zy平面把核組中的塊劃分成數(shù)個(gè)不同的區(qū)域，將每個(gè)區(qū)域分配給一個(gè)SW26010處理器從核，每個(gè)從核線程沿著x軸方向開展迭代，從而確保快速訪問內(nèi)存。考慮到每個(gè)LDM空間大小有限，每個(gè)從核一次通過DMA載入適當(dāng)大小的計(jì)算區(qū)域，包括內(nèi)部計(jì)算區(qū)域和halo區(qū)。隨著計(jì)算的進(jìn)行，從核緩存區(qū)域會(huì)沿x軸方向向后推進(jìn)。DMA被設(shè)置為異步的，以達(dá)到與計(jì)算重疊的效果。這里各層級(jí)的分塊大小可以根據(jù)問題規(guī)模、LDM空間大小及單個(gè)網(wǎng)格點(diǎn)的變量數(shù)目等因素動(dòng)態(tài)計(jì)算得出，實(shí)際應(yīng)用中采取計(jì)算分析得到的最優(yōu)值。圖7???非線性大地震模擬中的多級(jí)區(qū)域劃分策略為了在同樣的內(nèi)存帶寬和存儲(chǔ)空間大小的限制條件下取得更高的性能，參考文獻(xiàn)還提出一種有損壓縮策略，有效解決了在線壓縮和解壓縮開銷與整體應(yīng)用有效性能提升的矛盾，也有效保證了應(yīng)用的工程計(jì)算精度。如圖8所示，每個(gè)參與計(jì)算的從核(CPE)先從主核內(nèi)存，也就是主存中通過DMA讀操作(dma_get)將壓縮后的16位數(shù)據(jù)讀入LDM，并解壓縮為32位數(shù)據(jù)，然后進(jìn)行32位數(shù)據(jù)上的實(shí)際計(jì)算，并將計(jì)算結(jié)果重新由32位壓縮為16位的數(shù)據(jù)，通過DMA寫操作(dma_put)存入內(nèi)存。圖8???有損壓縮工作流程圖9展示了3種不同的有損壓縮方法，其中用sign exp表示指數(shù)，frac表示尾數(shù)。計(jì)算所用數(shù)據(jù)在壓縮前固定為32位浮點(diǎn)數(shù)，壓縮后的16位數(shù)據(jù)可以采取不同的表示方法。方法1進(jìn)行IEEE 754標(biāo)準(zhǔn)32位到16位浮點(diǎn)數(shù)的轉(zhuǎn)化，直接將壓縮后的數(shù)據(jù)定義為IEEE 754標(biāo)準(zhǔn)的半精度浮點(diǎn)數(shù)，包含固定的5位指數(shù)和10位尾數(shù)。編譯器內(nèi)置的對(duì)半精度浮點(diǎn)數(shù)的支持使得壓縮前后的數(shù)據(jù)轉(zhuǎn)換效率很高，但由于指數(shù)位數(shù)少，數(shù)值分布范圍較大的變量可能出現(xiàn)溢出，進(jìn)而引入數(shù)值精度問題。而對(duì)于數(shù)值分布范圍很小的變量而言，5位的指數(shù)可能是一種浪費(fèi)。針對(duì)這一問題，方法2使用動(dòng)態(tài)方法定義指數(shù)位數(shù)。對(duì)于每個(gè)參與計(jì)算的變量，計(jì)算其一定范圍內(nèi)的數(shù)值范圍分布，并根據(jù)范圍動(dòng)態(tài)分配不同變量壓縮后的指數(shù)位數(shù)，在保證能覆蓋大范圍指數(shù)分布的同時(shí)，也能為小范圍數(shù)值分布的變量保留更多的尾數(shù)位數(shù)。但這一方法的轉(zhuǎn)換效率和計(jì)算效率較低。方法3被用于模擬程序速度和壓力變量的壓縮，它將數(shù)組中的元素規(guī)格化到1和2之間，并采用16位定點(diǎn)小數(shù)的表示方法。這種方法平衡了性能和精度，因此在實(shí)際應(yīng)用中具有最好的效果。在地震波傳播核心部分采用有損壓縮策略，最終能取得約24%的性能提升。圖9???3種不同的有損壓縮方法該地震模擬應(yīng)用經(jīng)過以上優(yōu)化，可以在“神威·太湖之光”超級(jí)計(jì)算機(jī)上達(dá)到超過15%的系統(tǒng)峰值性能，超過了類似應(yīng)用在“泰坦”超級(jí)計(jì)算機(jī)上的表現(xiàn)(11.8%)，且其具有強(qiáng)可擴(kuò)展性，幾乎可以線性擴(kuò)展到全機(jī)上千萬(wàn)核。在18 H z、8 m分辨率的超大規(guī)模地震模擬中，該應(yīng)用可以達(dá)到18.9 PLlops的持續(xù)性能。

4.3 “神圖”圖計(jì)算框架

圖是數(shù)值科學(xué)領(lǐng)域應(yīng)用頻繁的概念之一，隨著大數(shù)據(jù)處理問題規(guī)模的增大，圖數(shù)據(jù)結(jié)構(gòu)的大小也相應(yīng)增大，需要高效可擴(kuò)展的圖處理系統(tǒng)來(lái)解決圖計(jì)算問題。比如，人類基因研究目前需要對(duì)擁有超過50億個(gè)點(diǎn)/邊的布魯因圖(de Bruijn graph)進(jìn)行處理，類似地，人腦建模分析要考慮超過1 000億個(gè)神經(jīng)元以及每個(gè)神經(jīng)元的平均7 000個(gè)突觸連接。圖計(jì)算是典型的大數(shù)據(jù)稀疏處理類問題，浮點(diǎn)運(yùn)算少，訪存隨機(jī)性大，對(duì)數(shù)據(jù)存儲(chǔ)和管理提出了很高要求。同時(shí)，冪律分布造成通信和計(jì)算負(fù)載不均衡，對(duì)于復(fù)雜圖而言，計(jì)算過程中存在大量的核間和節(jié)點(diǎn)間通信，通信次數(shù)多，通信量少，非常低效，給系統(tǒng)的效率和可擴(kuò)展性提出了巨大挑戰(zhàn)。“神圖”是首個(gè)運(yùn)用千兆級(jí)系統(tǒng)解決百萬(wàn)規(guī)模圖處理問題的通用框架。針對(duì)申威處理器的異構(gòu)特性，“神圖”在不同層級(jí)對(duì)硬件功能進(jìn)行劃分。在粗粒度的層級(jí)上，每4個(gè)核組被分為一個(gè)節(jié)點(diǎn)，分別具備4種不同的功能：一是生成，讀入當(dāng)前組分配的節(jié)點(diǎn)數(shù)據(jù)，識(shí)別待處理圖中的“活躍”點(diǎn)，并生成通信消息；二是轉(zhuǎn)發(fā)，路由聚合后的消息，提供高吞吐率的組間通信；三是粗排序，實(shí)行第一階段的初步桶排序，每個(gè)桶可以適應(yīng)性地放入從核LDM中，為下一階段做準(zhǔn)備；四是更新，圖處理過程的最后一步，對(duì)每個(gè)桶進(jìn)行排序，并更新目標(biāo)節(jié)點(diǎn)。“神圖”引入了超節(jié)點(diǎn)和處理器上的兩級(jí)路由機(jī)制與高效的專用數(shù)據(jù)排序策略。超節(jié)點(diǎn)路由方法解決了小型消息過多及通信節(jié)點(diǎn)對(duì)過多帶來(lái)的通信開銷問題。“神圖”將數(shù)個(gè)節(jié)點(diǎn)劃分為一個(gè)組，數(shù)個(gè)組屬于一個(gè)超級(jí)節(jié)點(diǎn)。每個(gè)節(jié)點(diǎn)將屬于相同目標(biāo)組的通信消息聚合為一條，發(fā)送給相應(yīng)組內(nèi)的一個(gè)節(jié)點(diǎn)。該節(jié)點(diǎn)中負(fù)責(zé)轉(zhuǎn)發(fā)的核組會(huì)將消息解包并發(fā)送給其他核組。圖10展示了超節(jié)點(diǎn)多級(jí)路由的工作過程，超節(jié)點(diǎn)中的一組包含4個(gè)核組，超節(jié)點(diǎn)X中A節(jié)點(diǎn)作為生成節(jié)點(diǎn)，發(fā)送消息給超節(jié)點(diǎn)Y中的排序和更新節(jié)點(diǎn)C，中途通過超節(jié)點(diǎn)Y中的轉(zhuǎn)發(fā)節(jié)點(diǎn)B進(jìn)行轉(zhuǎn)發(fā)。大部分圖計(jì)算應(yīng)用受限于內(nèi)存帶寬，細(xì)粒度的隨機(jī)內(nèi)存訪問會(huì)對(duì)性能造成影響。為此，“神圖”提出了一種片上排序的方法。圖10中節(jié)點(diǎn)C可能會(huì)按隨機(jī)順序接收?qǐng)D中節(jié)點(diǎn)更新的消息，片上排序把更新消息的不同目標(biāo)點(diǎn)進(jìn)行劃分和排序，同時(shí)合并對(duì)相同目標(biāo)點(diǎn)進(jìn)行更新的消息，顯著減少了內(nèi)存總線負(fù)載和同步開銷。如圖11所示，每個(gè)用于排序的核組中的眾核又被分為3類：p為消費(fèi)者，負(fù)責(zé)讀入數(shù)據(jù)；r為路由者，負(fù)責(zé)傳遞數(shù)據(jù)；c為消費(fèi)者，負(fù)責(zé)使用數(shù)據(jù)進(jìn)行計(jì)算，剩下的從核被用于其他任務(wù)。初始輸入是無(wú)序輸入，經(jīng)過兩步片上洗牌操作，數(shù)據(jù)變?yōu)橛行?#xff0c;可開展后續(xù)處理。核組3完成第一階段的初步桶排序操作，把數(shù)據(jù)放在不同的桶中，使數(shù)據(jù)成為半有序狀態(tài)，核組4利用其結(jié)果完成對(duì)整個(gè)數(shù)據(jù)的排序。圖10???“神圖”的超節(jié)點(diǎn)多級(jí)路由圖11???片上排序過程在真實(shí)應(yīng)用的圖中，點(diǎn)的入度/出度往往呈現(xiàn)指數(shù)級(jí)增長(zhǎng)。在分布式圖處理系統(tǒng)中，度數(shù)高的點(diǎn)會(huì)產(chǎn)生大量的數(shù)據(jù)通信，涉及系統(tǒng)中的大部分節(jié)點(diǎn)，給通信網(wǎng)絡(luò)帶來(lái)巨大負(fù)載。“神圖”將這種度數(shù)高的點(diǎn)復(fù)制到每一個(gè)計(jì)算節(jié)點(diǎn)中，原本負(fù)責(zé)該點(diǎn)的計(jì)算節(jié)點(diǎn)存儲(chǔ)的是原件，其他計(jì)算節(jié)點(diǎn)存儲(chǔ)的是鏡像。高出度的點(diǎn)需要向外發(fā)送的消息很多，為了避免大規(guī)模地發(fā)送更新消息，每一個(gè)計(jì)算節(jié)點(diǎn)通過簡(jiǎn)單的MPI_Bcast接口協(xié)作更新所有鏡像，再根據(jù)鏡像來(lái)更新其對(duì)本地點(diǎn)的影響。對(duì)于高入度的點(diǎn)，“神圖”采用類似的方法，計(jì)算節(jié)點(diǎn)先對(duì)本地鏡像進(jìn)行更新，最后使用MPI_Gather或MPI_Reduce接口更新原件。這種與節(jié)點(diǎn)度相關(guān)的通信優(yōu)化模式顯著減少了通信量，減輕了并行系統(tǒng)互聯(lián)網(wǎng)絡(luò)的壓力；同時(shí)，鏡像的存在將高度數(shù)點(diǎn)的處理工作平均分配給每一個(gè)計(jì)算節(jié)點(diǎn)，均衡了系統(tǒng)負(fù)載。“神圖”圖計(jì)算框架可在分鐘級(jí)完成對(duì)搜狗中文網(wǎng)頁(yè)圖的處理，每次迭代僅需8.5 s，解決了過去由于機(jī)器規(guī)模和計(jì)算框架限制而無(wú)法解決的問題。

5 結(jié)束語(yǔ)

目前超算發(fā)展進(jìn)入E級(jí)階段，新的超大規(guī)模異構(gòu)并行計(jì)算機(jī)在解決富有挑戰(zhàn)性的計(jì)算問題方面的潛力是值得期待的。異構(gòu)眾核并行系統(tǒng)的設(shè)計(jì)已經(jīng)成為高端超算系統(tǒng)的重要構(gòu)建方式。但其給大規(guī)模稀疏處理問題帶來(lái)了挑戰(zhàn)。稀疏問題具有非規(guī)則的計(jì)算與訪存特征，對(duì)并行應(yīng)用的存儲(chǔ)管理、負(fù)載均衡、數(shù)據(jù)通信等提出了更高的要求，需要開發(fā)者依據(jù)軟硬件特點(diǎn)開展設(shè)計(jì)和優(yōu)化，兼顧性能、成本、功耗等多方面的約束。異構(gòu)眾核系統(tǒng)的架構(gòu)設(shè)計(jì)具有巨大的性能潛力，但也給應(yīng)用實(shí)現(xiàn)和優(yōu)化帶來(lái)更高的難度。本文總結(jié)了基于“神威·太湖之光”超級(jí)計(jì)算機(jī)的大規(guī)模隱式/顯式求解器和“神圖”圖計(jì)算框架的性能優(yōu)化經(jīng)驗(yàn)，涵蓋任務(wù)劃分、存儲(chǔ)訪問、數(shù)據(jù)壓縮、數(shù)據(jù)共享與通信等多方面，為新一代異構(gòu)眾核計(jì)算系統(tǒng)的稀疏問題求解提供了借鑒。實(shí)際上，基于異構(gòu)眾核架構(gòu)的大規(guī)模計(jì)算問題的求解和優(yōu)化案例還有很多，在應(yīng)用和算法設(shè)計(jì)層面，動(dòng)態(tài)稀疏問題的高效求解算法設(shè)計(jì)依然是急需解決的問題。同時(shí)，許多實(shí)際科學(xué)與工程問題中的大規(guī)模應(yīng)用性能優(yōu)化方法還期待著更多的開發(fā)者投入研究。

作者簡(jiǎn)介

胡正丁(1997-)，男，清華大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系碩士生，主要研究方向?yàn)楦咝阅苡?jì)算 。

薛巍(1974-)，男，博士，清華大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系副教授，高性能計(jì)算研究所所長(zhǎng)，中國(guó)計(jì)算機(jī)學(xué)會(huì)高級(jí)會(huì)員，主要研究方向?yàn)榇笠?guī)模科學(xué)計(jì)算、量化不確定分析 。

往期文章回顧

《大數(shù)據(jù)》2020年第4期目次&摘要

專題導(dǎo)讀：大數(shù)據(jù)異構(gòu)并行系統(tǒng)

GPU事務(wù)性內(nèi)存技術(shù)研究

大規(guī)模異構(gòu)數(shù)據(jù)并行處理系統(tǒng)的設(shè)計(jì)、實(shí)現(xiàn)與實(shí)踐

面向大數(shù)據(jù)異構(gòu)系統(tǒng)的神威并行存儲(chǔ)系統(tǒng)

---

聯(lián)系我們:

Tel:010-81055448

? ? ? ?010-81055490

? ? ? ?010-81055534

E-mail:bdr@bjxintong.com.cn?

http://www.infocomm-journal.com/bdr

http://www.j-bigdataresearch.com.cn/

轉(zhuǎn)載、合作：010-81055537

大數(shù)據(jù)期刊

《大數(shù)據(jù)(Big Data Research，BDR)》雙月刊是由中華人民共和國(guó)工業(yè)和信息化部主管，人民郵電出版社主辦，中國(guó)計(jì)算機(jī)學(xué)會(huì)大數(shù)據(jù)專家委員會(huì)學(xué)術(shù)指導(dǎo)，北京信通傳媒有限責(zé)任公司出版的期刊，已成功入選中文科技核心期刊、中國(guó)計(jì)算機(jī)學(xué)會(huì)會(huì)刊、中國(guó)計(jì)算機(jī)學(xué)會(huì)推薦中文科技期刊，并被評(píng)為2018年國(guó)家哲學(xué)社會(huì)科學(xué)文獻(xiàn)中心學(xué)術(shù)期刊數(shù)據(jù)庫(kù)“綜合性人文社會(huì)科學(xué)”學(xué)科最受歡迎期刊。

關(guān)注《大數(shù)據(jù)》期刊微信公眾號(hào)，獲取更多內(nèi)容

總結(jié)

以上是生活随笔為你收集整理的随机生成稀疏矩阵_面向异构众核超级计算机的大规模稀疏计算性能优化研究的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。