基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
HGGF(halo-based galaxy group finder)算法实现了基于暗物质晕的星系找群,在研究宇宙大尺度结构及宇宙的演化等领域中占有至关重要的地位.但由于数据规模的增长,急需对HGGF算法进行优化,以缩短运行时间.经分析,算法的热点部分耗时受到非规则访存的严重影响,因此针对算法的结构和非规则访存模型,提出了数据预排序方法,并分析了该方法如何影响访存过程.在此基础上,利用数据对齐、循环分解进一步优化访存效率,利用负载均衡和互斥变量私有化的方法提高了OpenMP的并行效率,最终将HGGF应用使用12线程加速11.6倍,同时取得了更好的可扩展性.主要有三点贡献:(1)分析了HGGF算法的非规则访存问题;(2)提出并分析了数据预排序方法;(3)使用数据对齐、循环分解、负载均衡、互斥变量私有化方法提高了HGGF应用的并行性能.
推荐文章
基于调用链分析的访存优化技术
函数调用
访存操作
上下文保存
调用关系图
编译优化
基于MSC-A芯片的访存通道实现及性能优化
MIPS北桥
MSC-A芯片
访存通道
DDR控制器
高中物理天体运动的解题方法
高中物理
天体运动
专题训练
卫星轨道运动
程序向量化中非规则访存问题研究
非连续访存
向量化
访存特征
数据重组
数组访存
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 天体物理成团研究中的非规则访存优化
来源期刊 计算机科学与探索 学科 工学
关键词 天体物理成团 非规则访存优化 数据预排序 并行计算
年,卷(期) 2017,(1) 所属期刊栏目 高性能计算
研究方向 页码范围 80-90
页数 11页 分类号 TP391
字数 7383字 语种 中文
DOI 10.3778/j.issn.1673-9418.1512078
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 文敏华 上海交通大学高性能计算中心 13 22 3.0 4.0
2 韦建文 上海交通大学高性能计算中心 13 41 3.0 6.0
3 郝赫 上海交通大学高性能计算中心 1 2 1.0 1.0
4 司雨蒙 上海交通大学高性能计算中心 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (2)
参考文献  (10)
节点文献
引证文献  (2)
同被引文献  (1)
二级引证文献  (3)
1990(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(4)
  • 参考文献(4)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2020(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
天体物理成团
非规则访存优化
数据预排序
并行计算
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机科学与探索
月刊
1673-9418
11-5602/TP
大16开
北京市海淀区北四环中路211号北京619信箱26分箱
82-560
2007
chi
出版文献量(篇)
2215
总下载数(次)
4
论文1v1指导