天体聚类应用中的非规则访存优化 - 高性能计算中心 - 上海交通大学.PDF

天体聚类应用中的非规则访存优化 - 高性能计算中心 - 上海交通大学.PDF

  1. 1、本文档共8页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
天体聚类应用中的非规则访存优化 - 高性能计算中心 - 上海交通大学

天体聚类应用中的非规则访存优化 1 1 1 1 1 郝赫 司雨濛 韦建文 文敏华 林新华 1上海交通大学高性能计算中心,上海 200240 (james@) OptimizeIrregularMemoryAccessinAstronomicClusteringApplication 1 1 1 1 1 HeHAO YumengSI JianwenWEI MinhuaWen JamesLIN 1(CenterforHighPerformanceComputing ShanghaiJiaoTongUniversity shanghai200240 China) Abstract Halo-based Galaxy Group Finder(HGGF) implements galaxies category based on dark matter halo and detection on isolated galaxy in the noise so that HGGF plays a very important role in the research of large-scale structureoftheuniverse.Butbecauseofthegrowthofthedatascale it’sextremelynecessarytoshortentherunning time by optimizing the algorithm. After analysis the kernel part of the algorithm was seriously affected by the irregularmemory access sothatweproposed aspecific“DataPre-sorting”approachandanalysedhowitaffectthe process of memory access according to the structure of the algorithm and the irregular memory access pattern. Moreover weoptimizedthememoryaccesswith“DataAlignment”and“LoopFission”andenhancedtheefficiency of OpenMP with “Load Balance” and “Mutex Privatization”. Eventually the HGGF application got 11.6 times speedupon 12threads andgotbetterweak scalability.The followingareouroriginalcontributions:(1)Analysis of the irregular memory access of the HGGF application; (2) Proposed and analysis the “Data Pre-sorting” ; (3) Improvetheparallelperformance ofHGGFapplicationwith anotherfourapproachesincludingdataalignment loop fission loadbalanceandmutexprivatization. Key words astronomic clustering applications; optimize irregular memory access; data pre-sorting; parallel computing 摘要 Halo-basedGalaxyGroupFinder(HGGF)算法实现了基于暗物质光晕的星系分类,以及在噪音状态下对孤 立星系的检测,在研究宇宙大尺度结构及宇宙的演化等领域中占有至关重要的地位。但由于数据规模的增长, 急需对HGGF算法进行优化,以缩短运行时间。经分析,算法的热点部分耗时受到非规则访存的严重影响, 因此我们针对算法的结构和非规则访存模型,提出了数据预排序方法,并分析了该方法如何影响访存过程。在 此基础上,我们还利用数据对齐、循环分解进一步优化访存效率,利用负载均衡和互斥变量私有化的方法提高 了OpenMP 的并行效率,最终将HGGF应用

文档评论(0)

youbika + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档