[论文解读] Efficient Tree Layout in a Multilevel Memory Hierarchy

Stephen Alstrup, Michael A. Bender+4 more|ArXiv.org|Nov 12, 2002

Algorithms and Data Compression参考文献 15被引用 14

一句话总结

本文提出了一种快速、缓存无关的树布局算法，在无需事先知晓块大小的情况下，于多级内存层次结构中实现了接近最优的性能。它引入了一种分治与精炼技术，将已知块大小的布局转换为缓存无关的布局，性能损失最多为常数因子，使用 $O(N\lg N)$ 时间和 $O(\lg N)$ 次对已知块大小布局算法的调用，实现了 $O(N\lg N)$ 的运行时间。

ABSTRACT

We consider the problem of laying out a tree with fixed parent/child structure in hierarchical memory. The goal is to minimize the expected number of block transfers performed during a search along a root-to-leaf path, subject to a given probability distribution on the leaves. This problem was previously considered by Gil and Itai, who developed optimal but slow algorithms when the block-transfer size B is known. We present faster but approximate algorithms for the same problem; the fastest such algorithm runs in linear time and produces a solution that is within an additive constant of optimal. In addition, we show how to extend any approximately optimal algorithm to the cache-oblivious setting in which the block-transfer size is unknown to the algorithm. The query performance of the cache-oblivious layout is within a constant factor of the query performance of the optimal known-block-size layout. Computing the cache-oblivious layout requires only logarithmically many calls to the layout algorithm for known block size; in particular, the cache-oblivious layout can be computed in O(N lg N) time, where N is the number of nodes. Finally, we analyze two greedy strategies, and show that they have a performance ratio between Omega(lg B / lg lg B) and O(lg B) when compared to the optimal layout.

研究动机与目标

• 解决在访问模式非均匀且块大小未知的分层内存系统中优化树布局的挑战。
• 为固定拓扑结构的树设计高效算法，以最小化根到叶搜索过程中的预期块传输次数。
• 将已知块大小的布局算法扩展到缓存无关的设置中，确保无论块大小如何，性能均在最优解的常数因子范围内。
• 分析在已知块大小设置下贪心策略的性能，建立其近似比的界限。

提出的方法

• 提出一种针对已知块大小 $B$ 的动态规划方法，运行时间为 $O(N)$，对任意 $\delta > 0$，生成的布局与最优解的差距在加法意义下不超过 $1+\delta$。
• 引入分治与精炼技术，通过在多个细节层次上递归地优化块划分，确保跨越块边界（即跨边界边）的数量最小化。
• 利用期望的线性性质，对精炼后布局的预期块传输次数进行上界估计，证明其在常数因子内接近最优的已知块大小布局。
• 将分治与精炼框架适配为最小化最大块成本而非期望成本，采用类似的递归精炼策略。
• 证明精炼后布局的期望成本至多为最优成本的16倍，通过在各层次上对跨越边的贡献进行有界分析。
• 利用光滑性引理（Smoothness Lemma）确保精炼后布局的最大块成本仍保持在最优解的常数因子范围内。

实验结果

研究问题

• RQ1 我们能否设计一种缓存无关的树布局算法，使其在任意已知块大小下，性能均在最优布局的常数因子范围内？
• RQ2 当块大小已知时，自然贪心算法在树布局中的近似比是多少？
• RQ3 如何在不事先知晓块大小的前提下，高效地将已知块大小的布局转换为缓存无关的布局？
• RQ4 在基于动态规划的树布局算法中，运行时间效率与布局质量之间存在何种权衡？
• RQ5 分治与精炼技术能否被调整以最小化最大块成本而非期望块成本？

主要发现

• 目前已知最快的已知块大小布局算法运行时间为 $O(N)$，对任意 $\delta > 0$，其生成的布局与最优解的差距在加法意义下不超过 $1+\delta$。
• 分治与精炼技术可将任意已知块大小的布局转换为缓存无关布局，且预期块传输次数的增加最多为常数因子。
• 缓存无关布局的计算时间复杂度为 $O(N\lg N)$，且仅需调用已知块大小布局算法 $O(\lg N)$ 次。
• 两种针对已知块大小的贪心策略，其性能比介于 $\Omega(\lg B / \lg\lg B)$ 和 $O(\lg B)$ 之间，与最优布局相比。
• 精炼后的缓存无关布局的预期块传输次数至多为已知块大小情况下最优期望成本的16倍。
• 该方法可扩展至最小化最大块成本，通过类似分析并借助光滑性引理，保持常数因子近似。