[论文解读] Parallelize Bubble Sort Algorithm Using OpenMP

Zaid Abdi Alkareem Alyasseri, Kadhim Al-Attar+1 more|arXiv (Cornell University)|Jul 24, 2014

Parallel Computing and Optimization Techniques参考文献 9被引用 3

一句话总结

本文提出了一种使用OpenMP的并行化冒泡排序算法版本，以提升多核系统上的性能。通过根据单词长度将输入数据划分为子数组，并利用共享内存并行计算技术，结合两种数据结构（字符串向量和三维数组），作者证明了在配备8个CPU核心的Intel Core i7-3610QM处理器上，三维数组方法在性能上表现更优。

ABSTRACT

Sorting has been a profound area for the algorithmic researchers and many resources are invested to suggest more works for sorting algorithms. For this purpose, many existing sorting algorithms were observed in terms of the efficiency of the algorithmic complexity. In this paper we implemented the bubble sort algorithm using multithreading (OpenMP). The proposed work tested on two standard datasets (text file) with different size . The main idea of the proposed algorithm is distributing the elements of the input datasets into many additional temporary sub-arrays according to a number of characters in each word. The sizes of each of these sub-arrays are decided depending on a number of elements with the same number of characters in the input array. We implemented OpenMP using Intel core i7-3610QM ,(8 CPUs),using two approaches (vectors of string and array 3D) . Finally, we get the data structure effects on the performance of the algorithm for that we choice the second approach.

研究动机与目标

• 通过并行化提升本质上为顺序执行的冒泡排序算法的性能。
• 研究数据结构选择（向量与三维数组）对并行排序效率的影响。
• 评估并行化冒泡排序在多核架构上的可扩展性与运行时性能。
• 探索基于单词长度的数据分区策略，以实现高效的并行处理。

提出的方法

• 根据每个单词中的字符数量，将输入数据集划分为临时子数组。
• 在配备8个CPU核心的Intel Core i7-3610QM处理器上，使用OpenMP实现多线程。
• 探索两种数据结构：用于存储子数组的字符串向量和三维数组。
• 根据字符数将元素分配到子数组中，以实现工作负载的均衡。
• 使用OpenMP指令在每个子数组上并行执行排序操作。
• 测量两种数据结构实现之间的性能差异，以识别最优设计方案。

实验结果

研究问题

• RQ1 能否通过使用OpenMP有效并行化冒泡排序算法，以减少执行时间？
• RQ2 基于单词长度进行数据分区如何影响并行冒泡排序中的负载均衡与性能表现？
• RQ3 在并行实现中，哪种数据结构——字符串向量还是三维数组——能提供更好的性能？
• RQ4 输入大小和字符分布对并行化算法可扩展性有何影响？
• RQ5 数据结构的选择如何影响内存访问模式与运行时效率？

主要发现

• 在执行时间和内存访问效率方面，三维数组方法优于字符串向量实现。
• 使用OpenMP进行并行化相比串行冒泡排序显著减少了排序时间，尤其在处理较大数据集时更为明显。
• 基于单词长度的数据分区有效实现了线程间的负载分配。
• 由于更充分地利用了多核处理器，性能提升在输入规模较大时更为显著。
• 数据结构的选择显著影响运行时间，其中三维数组提供了更好的内存局部性和缓存行为。
• 该算法在配备8个CPU核心的Intel Core i7-3610QM处理器上实现了可测量的加速比，验证了并行化策略的有效性。