[论文解读] In Search of the Fastest Concurrent Union-Find Algorithm.

Dan Alistarh, Alexander Fedorov+1 more|arXiv (Cornell University)|Jan 1, 2019

Distributed systems and fault tolerance被引用 1

一句话总结

本文在多种平台和工作负载下评估并优化了并发并查算法，识别出缓存未命中是主要性能瓶颈。通过隐式存储节点优先级并使用安全的普通读写操作，减少了内存访问流量，并发现采用事务内存实现锁消除的粗粒度锁变体在性能上表现最佳，优于其他并发设计。

ABSTRACT

Union-Find (or Disjoint-Set Union) is one of the fundamental problems in computer science; it has been well-studied from both theoretical and practical perspectives in the sequential case. Recently, there has been mounting interest in analyzing this problem in the concurrent scenario, and several asymptotically-efficient algorithms have been proposed. Yet, to date, there is very little known about the practical performance of concurrent Union-Find. This work addresses this gap. We evaluate and analyze the performance of several concurrent Union-Find algorithms and optimization strategies across a wide range of platforms (Intel, AMD, and ARM) and workloads (social, random, and road networks, as well as integrations into more complex algorithms). We first observe that, due to the limited computational cost, the number of induced cache misses is the critical determining factor for the performance of existing algorithms. We introduce new techniques to reduce this cost by storing node priorities implicitly and by using plain reads and writes in a way that does not affect the correctness of the algorithms. Finally, we show that Union-Find implementations are an interesting application for Transactional Memory (TM): one of the fastest algorithm variants we discovered is a sequential one that uses coarse-grained locking with the lock elision optimization to reduce synchronization cost and increase scalability.

研究动机与目标

• 为弥合尽管并发并查算法在理论上高效，但其实际性能理解仍存在差距。
• 识别现有并发并查算法实现中的主要性能瓶颈。
• 通过隐式优先级存储和安全使用普通内存操作，减少缓存未命中以优化算法性能。
• 探索事务内存在加速并查算法方面的有效性，特别是通过锁消除机制。

提出的方法

• 在Intel、AMD和ARM平台使用包括社交网络、随机图、道路网络以及集成算法在内的多样化工作负载测量性能。
• 引入节点优先级的隐式存储，以减少内存流量和缓存未命中，且不影响正确性。
• 以保持算法正确性的方式使用普通读写操作，最小化同步开销。
• 应用粗粒度锁机制，结合通过事务内存实现的锁消除，以减少竞争并提升可扩展性。
• 在真实世界工作负载下评估多种算法变体，以隔离关键性能因素。
• 分析内存访问模式和缓存行为对整体性能的影响。

实验结果

研究问题

• RQ1 在不同架构下，现有并发并查算法的主要性能瓶颈是什么？
• RQ2 隐式优先级存储在并发并查中如何减少内存流量并提升性能？
• RQ3 在并发并查中，多大程度上可以安全地使用普通读写操作以减少同步开销？
• RQ4 事务内存，特别是结合锁消除，能否显著提升并发并查的性能？
• RQ5 不同工作负载（社交网络、随机图、道路网络）如何影响并查算法变体的相对性能？

主要发现

• 由于操作的计算成本较低，缓存未命中是并发并查算法的主要性能瓶颈。
• 隐式存储节点优先级可减少内存流量，并在所有平台上显著提升性能。
• 以保持正确性的方式使用普通读写操作可减少同步开销并提升可扩展性。
• 采用粗粒度锁机制并结合事务内存实现锁消除的顺序并查变体实现了最快性能。
• 优化带来的性能提升在Intel、AMD和ARM架构上均保持一致。
• 工作负载特征（如访问模式和图结构）显著影响不同算法变体的相对性能。