[論文レビュー] KaHIP v3.00 -- Karlsruhe High Quality Partitioning -- User Guide

Peter Sanders, Christian Schulz|arXiv (Cornell University)|Nov 7, 2013

VLSI and FPGA Design Techniques参考文献 33被引用数 12

ひとこと要約

KaHIP v3.00 は、マルチレベル分割、メタヒューティックおよび並列アルゴリズム、ノード分離集合、エッジ分割、およびILPベースの正確なソルバーを備えた高性能なグラフ分割フレームワークを提供する。科学的計算、VLSI設計、ソーシャルネットワークを含む多様なワークロードに対応し、バランスとカットサイズの最適化を設定可能にすることで、高品質な分割を実現する。

ABSTRACT

This paper severs as a user guide to the graph partitioning framework KaHIP (Karlsruhe High Quality Partitioning). We give a rough overview of the techniques used within the framework and describe the user interface as well as the file formats used. Moreover, we provide a short description of the current library functions provided within the framework. Since version 3.00 we support multilevel partitioning, memetic algorithms, distributed and shared-memory parallel algorithms, node separator and ordering algorithms, edge partitioning algorithms as well as ILP solvers.

研究の動機と目的

• 多様な計算ワークロードにわたる高品質なグラフ分割の包括的で使いやすいフレームワークを提供すること。
• マルチレベル分割、メタヒューティックアルゴリズム、ILPソルバーを含むヒューリスティックおよび正確な手法をサポートし、最適なバランスとカットサイズを実現すること。
• ノードおよびエッジの重み、階層的メモリシステム、ワークロードに適応したバランスをサポートすることで、大規模グラフの効率的な分割を可能にすること。
• HPC、グラフ処理、VLSI設計のパイプラインへの統合を可能にするモジュラーなC++ライブラリおよびコマンドラインツールを提供すること。
• スパース行列計算などの特殊な用途に適した、ノード分離集合、プロセスマッピング、エッジ分割などの高度な機能をサポートすること。

提案手法

• マルチレベルアプローチを採用：マッチングによるグラフの粗視化、粗視化されたレベルでの初期分割、その後のローカルサーチ（例：FMアルゴリズム）を用いたアンコarseningによる分割の最適化。
• KaFFPa、KaFFPaE、KaBaPE を統合し、設定可能なモード（FAST、ECO、STRONG）と進化的戦略を用いて、分割品質を向上させるマルチレベル分割を実現。
• ParHIP を介した分散および共有メモリ並列処理をサポートし、大規模グラフのスケーラブルな分割を実現。
• ILPソルバーやILP改善ヒューリスティクスを用いて、小さな〜中規模のグラフに対して最小カットサイズを達成する正確またはほぼ正確な解を得る。
• 縮小されたネストドィスセクションと高速バージョンを用いたノード順序付けおよびバイセパレータアルゴリズムを提供し、グラフの再順序付けと分解を支援。
• 階層的距離とコンponentパラメータを用いたプロセスマッピングをサポートし、分散システムにおける通信量の最小化を実現。

実験結果

リサーチクエスチョン

• RQ1 フローベースドの手法と繰り返しローカルサーチを用いたマルチレベルグラフ分割は、分割品質をどのように向上させ得るか？
• RQ2 メタヒューティックおよび進化的アルゴリズムの統合は、大規模グラフにおける分割品質とスケーラビリティにどのような影響を与えるか？
• RQ3 ILPベースの正確なソルバーや改善手法は、バランス制約を維持しながらカットサイズを最小化するためにどれほど効果的か？
• RQ4 ノード分離集合および順序付けアルゴリズムは、グラフ処理および科学的計算ワークロードにおけるパフォーマンスをどれほど向上させるか？
• RQ5 階層的メモリおよび通信に配慮した分割をサポートすることで、分散システムにおける通信量はどの程度削減されるか？

主な発見

• KaHIP v3.00 は、最小限のエッジカットと設定可能な不均衡（不均衡パラメータにより最大3％まで）を実現し、科学的計算およびVLSI設計に適した高品質な分割を達成する。
• KaFFPaおよびその変種（KaFFPaE、KaBaPE）を用いたマルチレベルフレームワークは、特に大規模で複雑なグラフにおいて、ベースライン手法よりも顕著に分割品質を向上させる。
• ParHIP を用いた並列分割により、共有メモリおよび分散システムにおける大規模グラフのスケーラブルな処理が可能となり、スレッド並列処理と負荷分散によるパフォーマンス向上が得られる。
• ILPベースの正確なソルバーや改善手法は、小さな〜中規模のグラフにおいて最適またはほぼ最適な解を達成し、フレームワークの正確な最適化処理の能力を裏付けている。
• ノードセパレータおよび順序付けアルゴリズム（例：縮小されたND）は、ネストドゥィスセクションやスパース行列因数分解に適したグラフの分解を効果的に実現する。
• ライブラリは、Metisおよびバイナリ形式を含む柔軟な入出力フォーマットをサポートし、JNIを介したJavaプロジェクトへの統合を可能にし、多様な環境での利用可能性を向上させている。