基于GPU的大规模图计算系统与应用

最新推荐文章于 2023-10-13 17:49:20 发布

新加坡国立大学Xtra实验室

最新推荐文章于 2023-10-13 17:49:20 发布

阅读量996

点赞数

分类专栏：高性能计算图运算 GPU 文章标签： gpu 机器学习人工智能高性能数据

本文链接：https://blog.csdn.net/nusxtra/article/details/52224804

版权

本文介绍了GPU在大规模图计算领域的应用，重点讨论了由钟健龙博士参与研发的Medusa系统，这是一个基于GPU的并行图数据处理框架，通过简洁的API简化了GPU编程。Medusa解决了图计算的不规则性和效率问题，并在后续项目中得到改进和优化，如Frog和Gunrock。此外，商业化的图数据库BlazeGraph也受益于GPU加速技术。未来，图计算将面临动态图处理和新型GPU架构利用等挑战。

摘要由CSDN通过智能技术生成

作者介绍：钟健龙博士，2013年毕业于Xtra, 现供职于GraphSQL Inc，主要研究兴趣为GPU计算、高性能数据处理与分析。本文主要用于学术交流，所发言论不代表所供职的单位。

大规模图数据（graph data）的计算与存储是当下工业界和学术界都非常热门的话题。就在一周前，美国苹果公司两亿美元低调收购了成立只有三年之久的机器学习公司Turi，布局人工智能和机器学习领域。而Turi的起源正是图计算领域大名鼎鼎的GraphLab【1】项目。从Turi官网可以看到Turi的产品主要运用在推荐系统、顾客精确细分、反欺诈等领域。这些领域面临的数据往往缺乏结构（unstructured data）而且内部关系紧密而复杂，传统的关系数据库面对这种类型的数据非常吃力，尤其是当今数据规模越来越巨大。本文的主角，像GraphLab、Pregel【2】这类把数据存成图结构的并行图计算框架（Parallel Graph Processing Framework），却能为这种数据的提供实时或者准实时的处理性能。

Xtra小组从2010年开始进行并行图计算框架的研究，我们选择的突破方向是引入计算性能比传统CPU强悍千百倍的GPU（Graphics Processing Unit）。2013年我们发布了世界上首个完全基于GPU的并行图数据处理框架Medusa【3】, 并且开源于 https://github.com/JianlongZhong/Medusa, “Medusa: Building GPU-based Parallel Sparse Graph Applications with Sequential C/C++ Code”.