[论文解读] Parallel Delta-Stepping Algorithm for Shared Memory Architectures

M. Kranjčević, Daniele Palossi+1 more|arXiv (Cornell University)|Apr 7, 2016

Graph Theory and Algorithms参考文献 8被引用 4

一句话总结

本文提出了一种针对有向图和无向图的单源最短路径问题的共享内存并行实现，采用delta-stepping算法并优化以减少同步开销。在多核CPU和Intel Xeon Phi上，其并行效率均达到至少50%，在小直径图上，其性能优于Boost Graph Library的Dijkstra算法在顺序模式下的表现。

ABSTRACT

We present a shared memory implementation of a parallel algorithm, called delta-stepping, for solving the single source shortest path problem for directed and undirected graphs. In order to reduce synchronization costs we make some deviations from the algorithm and discuss the consequences. We study the behaviour of our implementation on small-world and scale-free graphs, and graphs arising from game maps. We collect performance data on multi-core CPUs and Intel Xeon Phi. When run in sequential mode, our implementation outperforms the implementation of Dijkstra's algorithm from Boost Graph Library on graphs with a small diameter. Both on the CPU and the co-processor we achieve an overall performance of at least 50% parallel efficiency.

研究动机与目标

• 开发一种可扩展的共享内存并行实现，用于最短路径计算的delta-stepping算法。
• 通过修改原始delta-stepping算法，减少并行图处理中的同步开销。
• 在多种图类型（包括小世界图、无标度图和游戏地图图）上评估性能。
• 在传统多核CPU和Intel Xeon Phi等加速器上实现高并行效率。

提出的方法

• 通过重构工作分配方式，最小化线程同步，将delta-stepping算法适配于共享内存环境。
• 采用基于桶的机制按暂定距离管理顶点，支持边的并行松弛操作。
• 引入算法改进，以减少对原子操作和同步点的依赖。
• 使用C++实现算法，并利用OpenMP在共享内存系统上实现任务并行。
• 在CPU和Intel Xeon Phi架构上，使用真实世界和合成图工作负载评估性能。
• 将顺序性能与Boost Graph Library的Dijkstra实现进行对比，以评估基线效率。

实验结果

研究问题

• RQ1 与顺序模式下的Dijkstra算法相比，该共享内存delta-stepping实现对小世界图和无标度图的性能表现如何？
• RQ2 算法改进对同步开销和并行效率的影响是什么？
• RQ3 该实现是否能在多核CPU和Intel Xeon Phi上均实现高并行效率？
• RQ4 在顺序模式下，该实现与Boost Graph Library的Dijkstra算法相比性能如何？
• RQ5 该算法在不同图类型和硬件平台上的可扩展性如何？

主要发现

• 在小直径图上，该实现的顺序版本优于Boost Graph Library的Dijkstra算法。
• 在多核CPU和Intel Xeon Phi架构上，该实现的并行效率均达到至少50%。
• 在多种图类型（包括小世界图、无标度图和游戏地图图）上均观察到性能提升。
• 算法改进有效降低了同步开销，提升了并行可扩展性。
• 该实现表现出色，适用于通用CPU和Xeon Phi等加速硬件。