并行图剖分优化策略研究-research on optimization strategy of parallel graph partitioning.docxVIP

摘要大规模数值并行计算应用通常采用“分而治之”思想进行任务划分。确保计 算负载均衡和处理机间通信开销最小，是获得高效率的关键，因此如何合理有效 地对任务剖分至关重要。图剖分是借助图论知识，将计算依赖关系抽象成图，把 任务划分转换成图剖分问题。如何在并行平台下高效地将图剖分为多个子图，确 保计算和通信负载均衡，是并行图剖分的主要研究内容。在设计图剖分算法时， 需要综合考虑连通性、并行度、负载平衡、通信开销等因素。传统图剖分算法和软件未考虑当前多核机群平台中结点内和跨结点通信开销 之间的差异，而是将通信开销单一化处理。随着单结点内处理器核数不断增加， 结点内通信的比重日趋增加，结点内外这种通信开销差异的影响日益显著，对并 行计算综合性能影响愈来愈不容忽视。为此，本文针对多核集群平台大规模并行 计算，给出了一种新的图剖分策略，在尽可能满足计算负载平衡的前提下，使结 点间通信开销最小，对剖分策略进行了性能分析和数值实验，结果显示该策略可 以进一步用来减少多核集群平台上的通信开销。很多实际数值模拟问题（如动网格 CFD 计算、粒子模拟等）需要动态调整计 算任务以满足计算和通信负载均衡，图（超图）重剖分策略重在解决此类并行任 务动态划分问题。本文综合分析了基于扩散的重剖分策略和重映射重剖分策略， 对现有的重剖分模型进行了量化，以权衡重剖分过程中的通信和迁移开销；在此基础上对超图的重剖分方法进行