[发明专利]基于图形处理器的图计算边向量负载平衡方法及装置

说明书

本发明公开了一种基于图形处理器的图计算边向量负载平衡方法及装置，本发明方法包括定期找出所有SM核需要处理的边数据中的最多的和最少的数据量并计算差值，且差值超过预设阈值两个SM核的状态分别设置为等待捐赠负载状态和接收负载捐赠的状态，图形处理器的控制处理器向等待捐赠负载的SM核发送负载平衡请求，且在收到该SM核返回的捐赠数据的起始索引和终止索引后发送给接收负载捐赠的SM核，负载接收方记录作为待处理的边数据。本发明能够高效地实现图形处理器的流处理器核间的面向图计算边向量负载平衡，具有硬件结构简单、对程序员编程透明的优点，不需要对原有的程序进行修改即可完成所有的负载平衡任务。

技术领域

本发明涉及图形处理器的负载平衡技术，具体涉及一种基于图形处理器的图计算边向量负载平衡方法及装置。

背景技术

现代的微处理器体系结构为实现更高的吞吐率同时保持良好的能效比，不断地提高微处理器的并行处理能力。图形处理器（GPU）是目前并行处理能力最强的计算平台，其在使用较低的能耗的同时还能提供巨大的计算能力。GPU的编程语言允许程序员使用成百上千的线程并行执行应用程序，比如，CUDA和OpenCL。每个线程会按照单指令多线程（SIMT）的编程模型执行同一段内核代码。这种SIMT体系结构提供了巨大的并行计算能力，并为在GPU上加速图计算算法创造了条件。目前，前期的丰富研究已经针对BFS、SSSP、BC、STCON 等图计算算法在GPU上的性能提出了相应的优化算法。还有一部分工作致力于构建高级的面向GPU的软件图计算编程框架库，这些图计算编程框架库既可以提供高性能的并行计算，也简化了图计算应用的编程实现。

然而，实际上，使用GPU加速图计算并且获得显著的性能提升并不容易。图计算算法的GPU并行化会由于SIMT的负载平衡问题而导致GPU并行效率下降。尽管许多研究工作提出软件方法平衡每个GPU线程处理的活跃节点数量，但是由于节点度分布不均导致每个线程需要计算的边的数量并不相同，因此负载平衡的问题仍然存在。

前期研究工作提出许多平衡线程间边操作的策略来解决边向量负载不平衡问题。例如，Load-Balanced Partitioning将各个节点邻居列表中的边组合成长度相同的数据块，并将数据块分配给各个线程块执行。MapGraph采用基于节点度的动态调度策略对BFS、SSSP这类应用取得了较好的效果。然而，现已提出的软件负载平衡策略有一些共同的缺点：1）这些策略需要修改源程序代码并增加额外复杂的代码来实现边向量负载平衡，这样会使得不熟悉GPU编程的用户无法使用，提高了使用门槛；2）由于使用复杂的边向量负载平衡策略，因此需要大量的时间用来进行预处理计算，对于节点度均匀分布的图，这部分消耗的时间并没有获得较高的收益并且性能会比简单的负载平衡策略下降很多；（3）软件边向量负载平衡策略带来的额外计算开销非常大，导致执行的指令数显著增加。

发明内容

本发明要解决的技术问题：针对现有技术的上述问题，提供一种基于图形处理器的图计算边向量负载平衡方法及装置，本发明能够高效地实现图形处理器（GPU）流处理器核（Streaming Multiprocessor, SM）间的面向图计算边向量负载平衡，具有硬件结构简单、对程序员编程透明的优点，不需要对原有的程序进行修改即可完成所有的负载平衡任务。

为了解决上述技术问题，本发明采用的技术方案为：

一种基于图形处理器的图计算边向量负载平衡方法，所述图形处理器的控制处理器进行负载平衡的调度步骤包括：

1）图形处理器的控制处理器定期找出所有SM核需要处理的边数据中的最多的和最少的数据量并计算差值；

2）图形处理器的控制处理器判断计算得到的差值是否超过预设阈值，如果尚未超过预设阈值，则结束并退出；否则跳转执行下一步；

3）图形处理器的控制处理器选择需要进行负载平衡的两个SM核，将两个SM核的状态分别设置为等待捐赠负载状态和接收负载捐赠的状态，并计算需要捐赠的边向量的数据量；