[論文レビュー] An Efficient Graph Accelerator with Parallel Data Conflict Management

Pengcheng Yao|arXiv (Cornell University)|Jun 3, 2018

Graph Theory and Algorithms参考文献 28被引用数 7

ひとこと要約

本論文では、次数に応じた並列累算器を導入することで、競合する頂点更新の並列実行を可能にする、グラフ固有のFPGAアクセラレータを提案する。これにより、アトミック演算におけるシリアル化ボトルネックが顕著に低減される。このアクセラレータは、平均で2.36 GTEPSを達成し、BFS、PageRank、WCCなどのアルゴリズムにおけるアトミック更新の増分的かつ単純な性質を活用することで、最先端のForeGraphよりも最大3.14倍の高速化を実現する。

ABSTRACT

Graph-specific computing with the support of dedicated accelerator has greatly boosted the graph processing in both efficiency and energy. Nevertheless, their data conflict management is still sequential in essential when some vertex needs a large number of conflicting updates at the same time, leading to prohibitive performance degradation. This is particularly true for processing natural graphs. In this paper, we have the insight that the atomic operations for the vertex updating of many graph algorithms (e.g., BFS, PageRank and WCC) are typically incremental and simplex. This hence allows us to parallelize the conflicting vertex updates in an accumulative manner. We architect a novel graphspecific accelerator that can simultaneously process atomic vertex updates for massive parallelism on the conflicting data access while ensuring the correctness. A parallel accumulator is designed to remove the serialization in atomic protection for conflicting vertex updates through merging their results in parallel. Our implementation on Xilinx Virtex UltraScale+ XCVU9P with a wide variety of typical graph algorithms shows that our accelerator achieves an average throughput by 2.36 GTEPS as well as up to 3.14x performance speedup in comparison with state-of-the-art ForeGraph (with single-chip version).

研究の動機と目的

• グラフ処理中に発生する競合する頂点更新における、順次的アトミック演算による性能ボトルネックを解消すること。
• BFS、PageRank、WCCなどの一般的なグラフアルゴリズムにおけるアトミック演算が、その増分的かつ単純な特性のおかげで並列化可能かどうかを検討すること。
• データ競合下でも正しく動作するように保証しつつ、頂点更新における大規模並列処理を可能にするグラフアクセラレータを設計すること。
• 適応的並列処理とソースベースのグラフ分割を用いて、低次元および高次元の頂点に対するメモリアクセスを最適化すること。
• シリアル化オーバーヘッドを低減し、スループットを向上させることで、既存のアクセラレータ（例：ForeGraph）を上回ること。

提案手法

• 複数の競合するアトミック更新の結果を並列にマージする、並列累算器を設計し、順次的シリアル化の必要性を排除する。
• 低次元頂点を並列に処理し、高次元頂点のレベルごとの並列処理を制限することで、同期オーバーヘッドを低減する次数に応じたスケジューリング戦略を実装する。
• 再配置機構を備えた高スループットオンチップメモリを統合し、メモリリクエストを均等に分散させ、順不同で処理することでスループットを向上させる。
• 低平均次数のグラフに対して特に効果的であるように、オンチップメモリの負荷を軽減し、メモリ効率を向上させるために、ソースベースのグラフ分割を適用する。
• 複数のグラフイテレーションにわたり、データの一貫性を維持しながらも高いスループットを維持できるパイプラインアーキテクチャを採用する。
• BFS、PageRank、WCCなどの主要なグラフアルゴリズムにおけるアトミック演算の可換性および結合的性質を活用し、安全かつ効率的な並列実行を可能にする。

実験結果

リサーチクエスチョン

• RQ1 BFS、PageRank、WCCなどの一般的なグラフアルゴリズムにおけるアトミック演算は、その増分的かつ単純な性質のおかげで、安全に並列化可能か？
• RQ2 正しさを損なわず、シリアル化を導入せずに、競合する頂点更新を管理するための並列累算器をどのように設計できるか？
• RQ3 頂点の次数は、グラフアクセラレータにおける並列データ競合管理の設計にどのような影響を与えるか？
• RQ4 ソースベースのグラフ分割は、メモリアクセス効率と全体的なアクセラレータ性能にどのような影響を与えるか？
• RQ5 提案されたアクセラレータは、ForeGraphなどの既存の最先端のFPGAベースのグラフアクセラレータをどの程度上回るか？

主な発見

• 提案されたアクセラレータは、幅広いグラフワークロードにおいて平均2.36 GTEPSのスループットを達成する。
• 実世界のグラフにおいて、最先端のForeGraph（シングルチップ版）を最大3.14倍の高速化で上回る。
• 並列累算器により、競合する更新の並列処理が可能になり、シリアル化オーバーヘッドが顕著に低減され、パフォーマンスが著しく向上する。
• Wikiグラフでは、4分割へのグラフ分割が最大61％のパフォーマンス低下を引き起こすことが判明し、メモリ容量およびアクセスパターンに敏感であることが示された。
• 効果的なメモリリクエストの再配置と分割により、元のレベルの10％以下までメモリリクエストを削減する。
• 次数に応じた設計により、特に高次元頂点において並列処理と同期のバランスが適切に保たれ、全体のシステム効率が向上する。