[論文レビュー] More Recent Advances in (Hyper)Graph Partitioning

Ümit V. Çatalyürek, Karen Devine+9 more|arXiv (Cornell University)|May 26, 2022

VLSI and FPGA Design Techniques被引用数 7

ひとこと要約

この論文は、バランスの取れた（ハイパーレンズ）グラフ分割における最近の進展について包括的かつ最新のサーベイを提供しており、マルチレベルアルゴリズム、ストリーミング技術、共有メモリ、分散メモリ、GPUアーキテクチャ向けの並列実装を焦点としている。スケーラビリティ、品質、ハードウェアへの移植性の面で主な課題を特定するとともに、多目的最適化、動的分割、複雑な現実世界のグラフのモデリングに関する未解決問題を強調している。

ABSTRACT

In recent years, significant advances have been made in the design and evaluation of balanced (hyper)graph partitioning algorithms. We survey trends of the last decade in practical algorithms for balanced (hyper)graph partitioning together with future research directions. Our work serves as an update to a previous survey on the topic. In particular, the survey extends the previous survey by also covering hypergraph partitioning and streaming algorithms, and has an additional focus on parallel algorithms.

研究の動機と目的

• 2013年のグラフ分割に関する前回のサーベイを更新・拡張し、ハイパーグラフ分割とストリーミングアルゴリズムの最新の発展を統合すること。
• 共有メモリ、分散メモリ、GPUアーキテクチャにおける並列グラフ分割の最先端技術を分析すること。
• 異種かつ階層的なスーパーコンputングシステム向けに、高品質でスケーラブルかつエネルギー効率の良い分割を達成するための課題を特定すること。
• ストリーミング分割アルゴリズムと内部メモリ分割アルゴリズムの間の性能ギャップを評価し、改善の機会を同定すること。
• 現実世界の複雑なグラフ（例：極端に不均衡なノードウェイトや有向構造を有するグラフ）を扱う際に、現在の目的関数と制約の限界を検討すること。

提案手法

• マルチレベルフレームワークに重点を置いた、逐次的および並列的（ハイパーグラフ）分割技術の体系的分類とレビュー。
• ストリーミングアルゴリズム（1パス、リストリーミング、バッファリング、エッジ分割型など）のサーベイと、データセットを横断した実験的評価。
• 共有メモリ、分散メモリ、GPUプラットフォームにおける並列分割アルゴリズムの分析。特に、粗捥り（coarsening）、初期分割、リファインメント段階に注目。
• エッジカット、接続性、ボトルネック指標などの目的関数の評価と、それらがアプリケーションパフォーマンスに与える影響の分析。
• Kokkosなどのライブラリによるパフォーマンス移植性の実現や、異種アーキテクチャへの対応を含む、ハードウェアに配慮した設計原則の議論。
• 並列実行およびGPU実行における不規則性、メモリアクセスパターン、負荷分散の問題に関連する主要なアルゴリズム的ボトルネックの同定。

実験結果

リサーチクエスチョン

• RQ1 現代のマルチレベル分割アルゴリズムは、大規模（ハイパーグラフ）においてどのように高品質な解を達成しているのか。その成功を支える主要な構成要素は何か？
• RQ2 内部メモリ対比でストリーミンググラフ分割アルゴリズムが直面する主な制限は何か。その品質はどのように向上させられるか？
• RQ3 スレッド数や分散メモリシステムへのスケーリングにおいて（ハイパーグラフ）分割アルゴリズムに生じる課題は何か。それらはどのように解決できるか？
• RQ4 エッジカット、接続性、ボトルネック指標といった異なる目的関数は、現実世界のアプリケーションにおける分割パフォーマンスにどのように影響を与えるか？
• RQ5 現在の分割アルゴリズムは、極端に不均衡なノードウェイトや有向エッジを有するような複雑なグラフ構造をどの程度処理できるか。さらなる改善は必要か？

主な発見

• マルチレベル分割は依然として主流のアプローチであるが、粗捥りヒューリスティクスと停止基準はしばしばヒューリスティックであり、厳密な分析が不足している。
• ストリーミング分割アルゴリズムは、グローバルな問題の視野が欠落しているため、内部メモリ手法に比べて著しく低い品質の分割を生じている。
• 共有メモリおよび分散メモリシステムにおける並列分割は、特にスケールが大きくなると負荷分散とメモリアクセスの局所性の問題に直面している。
• GPUベースの分割は、まだ研究が限られているが、アルゴリズムの不規則性を解消できれば、パフォーマンス向上の可能性を秘めている。
• ノードウェイトの差が著しく大きいインスタンスでは、問題がバインパッキングに近づき、現在の手法ではスケーリングがうまくいかない。
• 特に動的または再分割の状況において、多制約および多目的分割のための高品質なソルバーが不足している。