CN109240600A - 一种基于混合更新策略的磁盘图处理方法 - Google Patents
一种基于混合更新策略的磁盘图处理方法 Download PDFInfo
- Publication number
- CN109240600A CN109240600A CN201810816008.3A CN201810816008A CN109240600A CN 109240600 A CN109240600 A CN 109240600A CN 201810816008 A CN201810816008 A CN 201810816008A CN 109240600 A CN109240600 A CN 109240600A
- Authority
- CN
- China
- Prior art keywords
- block
- vertex
- disk
- sub
- strategy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0668—Interfaces specially adapted for storage systems adopting a particular infrastructure
- G06F3/0671—In-line storage system
- G06F3/0673—Single storage device
- G06F3/0674—Disk device
- G06F3/0676—Magnetic disk device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
- G06F3/0604—Improving or facilitating administration, e.g. storage management
- G06F3/0607—Improving or facilitating administration, e.g. storage management by facilitating the process of upgrading existing storage systems, e.g. for improving compatibility between host and storage device
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了基于混合更新策略的磁盘图处理方法,包括:(1)将图组织为入射子块—出射子块双重子块结构;(2)根据当前磁盘读写开销选择不同的更新策略,包括基于行导向的push策略和基于列导向的pull策略;(3)根据选择对图进行访问和顶点值进行更新;(4)判断是否达到收敛条件,若是,执行步骤(5),否则,执行步骤(2);(5)输出图的顶点值。本发明提供的混合更新策略,能够根据不同图的运行特征,自适应选择不同的更新策略,最大化磁盘利用,提升系统性能;基于行导向的push策略,选择性加载活跃边,避免无用磁盘数据的加载和磁盘读写浪费;基于列导向的pull策略,加载全部的图数据到内存中以确保磁盘的顺序访问,极大降低磁盘读写的开销。
Description
技术领域
本发明属于计算机大数据处理技术领域,更具体地,涉及一种基于混合更新策略的磁盘图处理方法。
背景技术
在当前大数据背景下,呈现出越来越多的对大规模图数据进行分析、处理、挖掘的应用需求。近年来,基于磁盘的图处理系统由于其成本低、可扩展性强等特点得到了广泛的关注,例如卡内基梅隆大学的GraphChi、洛桑联邦理工学院的X-Stream、清华大学的GridGraph等。这些磁盘图处理将图数据分为若干个子图,并且每次从磁盘中加载和处理一个子图。为了取得更好的性能,这些图系统在处理每个子图时将整个子图数据从磁盘加载到内存中,以利用磁盘顺序访问带宽远高于随机访问带宽的特性。然而,很多图算法在每次迭代计算中只需要访问一小部分图数据(活跃顶点或活跃边)。例如,BFS算法在每次迭代中只访问当前遍历层次的顶点和边。因此,在每次迭代加载整个图数据为造成大量的磁盘读写浪费,影响系统的效率。另一方面,如果只访问活跃顶点或活跃边,会产生随机磁盘访问。当活跃顶点数量很多时,大量的随机磁盘访问会极大的降低系统的性能。
发明内容
针对现有技术的缺陷,本发明的目的在于解决现有技术磁盘读写开销大的技术问题。
为实现上述目的,本发明实施例提供了一种基于混合更新策略的磁盘图处理方法,所述方法包括以下步骤:
(1)将图组织为入射子块—出射子块双重子块结构;
(2)根据当前的磁盘读写开销选择不同的更新策略,更新策略包括基于行导向的push策略和基于列导向的pull策略;
(3)根据所述选择的更新策略,对图进行访问和对顶点值进行更新;
(4)判断是否达到收敛条件,若是,执行步骤(5),否则,执行步骤(2);
(5)输出图的顶点值。
具体地,步骤(1)包括:
(1.1)为图G中每个顶点分配一个顶点值,将图G中的顶点集划分为P个不相交的区间;
(1.2)对于每个顶点区间,创建一个入射块和一个出射块结构,分别存储此区间顶点的入射边和出射边;
(1.3)根据入射边的源顶点所属区间,将每个入射块进一步划分为P个入射子块;根据出射边的目的顶点所属区间,将每个出射块进一步划分为P个出射子块;
(1.4)划分完成后的图数据都存储在磁盘中。
3.如权利要求2所述的磁盘图处理方法,其特征在于,P的取值要确保每一个入射子块或出射子块的大小小于内存的容量。
具体地,步骤(2)包括:
(2.1)分别计算当前顺序加载所有边的磁盘读写开销和随机加载活跃边的磁盘读写开销;
(2.2)判断顺序加载所有边的磁盘读写开销是否大于随机加载活跃边的磁盘读写开销,若是,选择基于行导向的push策略,否则选择基于列导向的pull策略。
具体地,一个顶点被定义为活跃顶点,当且仅当该顶点的顶点值在上一轮迭代中被更新;一条边被定义为活跃边,当且仅当该条边的源顶点是活跃顶点。
具体地,读写开销用读写图数据的总数据量除以磁盘访问带宽计算。
具体地,基于行导向的push策略,对图进行访问和对顶点值进行更新,包括以下步骤:
(1)第一行的出射子块初始为更新对象;
(2)依次对更新对象中出射子块执行更新操作,所述更新操作为:读取出射子块的每一条活跃边,更新其目的顶点的顶点值;
(3)当一行的出射子块都更新之后,用更新后的每一区间的目的顶点的顶点值更新对应区间的源顶点的顶点值;
(4)判断更新对象是否为最后一行的出射子块,若是,结束;若否,将下一行的出射子块替换为更新对象,重复步骤(2)-(3)。
具体地,基于列导向的pull策略,对图进行访问和对顶点值进行更新,包括以下步骤:
(1)第一列的入射子块初始为更新对象;
(2)依次对更新对象中入射子块执行更新操作,所述更新操作为:入射子块的每个目的顶点通过读取入射边及其源顶点,更新自己的顶点值;
(3)当一列的入射子块都更新之后,用更新后的每一区间的目的顶点的顶点值更新对应区间的源顶点的顶点值;
(4)判断更新对象是否为最后一列的入射子块,若是,结束;若否,将下一列的入射子块替换为更新对象,重复步骤(2)-(3)。
具体地,步骤(4)中收敛条件为顶点值不被改变。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,具有以下有益效果:
(1)本发明提供的混合更新策略,在处理图数据时能够根据不同图应用的运行特征,自适应地选择不同的更新策略,最大化磁盘的利用,提升了系统的性能;
(2)本发明提供的基于行导向的push策略,在处理过程中选择性的加载活跃边数据,避免了无用磁盘数据的加载和磁盘读写浪费;
(3)本发明提供的基于列导向的pull策略策略,在处理过程中加载全部的图数据到内存中以确保磁盘的顺序访问,极大地降低磁盘读写的开销。
附图说明
图1为本发明实施例提供的基于混合更新策略的磁盘图处理方法流程图。
图2(a)为本发明实施例提供的有向图G示意图;
图2(b)为本发明实施例提供的有向图G组织为双重子块结构过程示意图。
图3为本发明实施例提供的基于行导向的push策略对有向图G进行更新的示意图。
图4为本发明实施例提供的按照基于列导向的pull策略对有向图G进行更新的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1为本发明实施例提供的基于混合更新策略的磁盘图处理方法流程图。如图1所示,所述方法包括以下步骤:
(1)将图组织为入射子块—出射子块双重子块结构;
(2)根据当前的磁盘读写开销选择不同的更新策略,更新策略包括基于行导向的push策略和基于列导向的pull策略;
(3)根据所述选择的更新策略,对图进行访问和对顶点值进行更新;
(4)判断是否达到收敛条件,若是,执行步骤(5),否则,执行步骤(2);
(5)输出图的顶点值。
步骤(1)将图组织为入射子块—出射子块双重子块结构具体包括:
(1.1)为图G中每个顶点分配一个顶点值,将图G中的顶点集划分为P个不相交的区间。
图G存储在磁盘中,P的取值要确保每一个入射子块或出射子块的大小小于内存的容量。
(1.2)对于每个顶点区间,创建一个入射块和一个出射块结构,分别存储此区间顶点的入射边和出射边。
(1.3)根据入射边的源顶点所属区间,将每个入射块进一步划分为P个入射子块;根据出射边的目的顶点所属区间,将每个出射块进一步划分为P个出射子块。
(1.4)划分完成后的图数据都存储在磁盘中。
数据划分完之后,都会存储在磁盘中。而在计算的过程中,每一个入射子块或出射子块会被加载到内存中。也就是说,当需要用到某个入射子块或出射子块的时候,它会被加载到内存中进行更新,而不需要的时候,它是存储在磁盘中。
图2(a)为本发明实施例提供的有向图G示意图。图2(b)为本发明实施例提供的有向图G组织为双重子块结构过程示意图。如图2(b)所示,其具体过程为:
(1)将有向图G中的顶点划分两个不相交的区间(1-5)和(6-10);
(2)对于每个顶点区间,创建一个入射块和一个出射块结构,分别存储此区间顶点的入射边和出射边。
图2(a)被划分为入射块in-shard 1和出射块out-shard1、入射块in-shard2和出射块out-shard 2。
(3)根据入射边的源顶点所属区间,将每个入射块进一步划分为2个入射子块。根据出射边的目的顶点所属区间,将每个出射块进一步划分为2个出射子块。
入射块in-shard 1被划分为入射子块in-block(1.1)和入射子块in-block(2,1);入射块in-shard 2被划分为入射子块in-block(1.2)和入射子块in-block(2,2)。出射块out-shard 1被划分为出射子块out-block(1.1)和出射子块out-block(1,2),出射块out-shard 2被划分为出射子块out-block(2.1)和出射子块out-block(2,2)。
此外,具有相同源顶点区间的出射子块认定为处于同一行,如out-block(1.1)和out-block(1,2)。具有相同目的顶点区间入射子块认定为处于同一列,如in-block(1.1)和in-block(2,1)。
(4)数据划分完成后,入射子块in-block(1.1),in-block(2,1),in-block(1.2),in-block(2,2)和出射子块out-block(1.1),out-block(1,2),out-block(2.1),out-block(2,2)存储在磁盘中。
步骤(2)根据当前的磁盘读写开销选择不同的更新策略,更新策略包括基于行导向的push策略和基于列导向的pull策略,具体包括:
(2.1)分别计算当前顺序加载所有边的磁盘读写开销和随机加载活跃边的磁盘读写开销。
一个顶点被定义为活跃顶点,当且仅当该顶点的顶点值在上一轮迭代中被更新。一条边被定义为活跃边,当且仅当该条边的源顶点是活跃顶点。
读写开销用读写图数据的总数据量除以磁盘访问带宽计算。
(2.2)判断顺序加载所有边的磁盘读写开销是否大于随机加载活跃边的磁盘读写开销,若是,选择基于行导向的push策略,否则选择基于列导向的pull策略。
步骤(3)根据所述选择的更新策略,对图进行访问和对顶点值进行更新。
基于行导向的push策略,对图进行访问和对顶点值进行更新,包括以下步骤:
(1)第一行的出射子块初始为更新对象;
(2)依次对更新对象中出射子块执行更新操作,所述更新操作为:读取出射子块的每一条活跃边,更新其目的顶点的顶点值;
(3)当一行的出射子块都更新之后,用更新后的每一区间的目的顶点的顶点值更新对应区间的源顶点的顶点值;
(4)判断更新对象是否为最后一行的出射子块,若是,结束;若否,将下一行的出射子块替换为更新对象,重复步骤(2)-(3)。
图3为本发明实施例提供的基于行导向的push策略对有向图G进行更新的示意图。在这种更新策略下,系统依次更新每一行的出射子块。其中S1={1,2,3,4,5},S2={6,7,8,9,10},D1={1,2,3,4,5},D2={6,7,8,9,10}分别表示源顶点区间1,源顶点区间2,目的顶点区间1,目的顶点区间2。
如图3所示,系统首先更新第一行的出射子块,包括out-block(1.1)和out-block(1,2)。当更新每一个出射子块时,系统选择性的读取每一条活跃边,并更新其目的顶点。在这种情况下,避免了无用磁盘数据的加载和磁盘读写浪费。当每一行的出射子块更新完成后,系统会用更新后的目的顶点值来更新相应的源顶点值以保证计算结果的一致性。随后,系统更新第二行的出射子块,包括out-block(2.1)和out-block(2,2)。如图3所示,此时活跃顶点为2,5,10,在本次迭代中,系统依次读取活跃边(2,1),(2,3),(2,5),(2,6),(2,9),(5,7),(5,10),(10,4),(10,5),(10,7),并进行更新。
基于列导向的pull策略,对图进行访问和对顶点值进行更新,包括以下步骤:
(1)第一列的入射子块初始为更新对象;
(2)依次对更新对象中入射子块执行更新操作,所述更新操作为:入射子块的每个目的顶点通过读取入射边及其源顶点,更新自己的顶点值;
(3)当一列的入射子块都更新之后,用更新后的每一区间的目的顶点的顶点值更新对应区间的源顶点的顶点值;
(4)判断更新对象是否为最后一列的入射子块,若是,结束;若否,将下一列的入射子块替换为更新对象,重复步骤(2)-(3)。
图4为本发明实施例提供的按照基于列导向的pull策略对有向图G进行更新的示意图。在这种更新策略下,系统依次更新每一列的入射子块。如图4所示,系统首先更新第一列的入射子块,包括in-block(1.1)和in-block(2,1)。当更新每一个入射子块时,整个入射子块都被加载到内存中以确保磁盘的顺序访问。每个目的顶点通过读取自己的入射边及其源顶点,根据不同算法的更新特性对自己的顶点值进行更新。当每一列的入射子块更新完成后,系统用更新后的目的顶点值来更新相应的源顶点值,然后开始更新下一列的入射子块,例如图4中的in-block(1.2)和in-block(2,2)。
步骤(4)判断是否达到收敛条件,若是,执行步骤(5),否则,执行步骤(2)。
收敛条件由用户预设。本实施例中,当每个区间的顶点值{1,2,3,4,5}和{6,7,8,9,10}不被改变的时候,达到收敛条件。
步骤(5)输出图的顶点值。
系统达到收敛条件结束迭代处理,并输出图数据中的顶点值。
以上,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (9)
1.一种基于混合更新策略的磁盘图处理方法,其特征在于,所述方法包括以下步骤:
(1)将图组织为入射子块—出射子块双重子块结构;
(2)根据当前的磁盘读写开销选择不同的更新策略,更新策略包括基于行导向的push策略和基于列导向的pull策略;
(3)根据所述选择的更新策略,对图进行访问和对顶点值进行更新;
(4)判断是否达到收敛条件,若是,执行步骤(5),否则,执行步骤(2);
(5)输出图的顶点值。
2.如权利要求1所述的磁盘图处理方法,其特征在于,步骤(1)包括:
(1.1)为图G中每个顶点分配一个顶点值,将图G中的顶点集划分为P个不相交的区间;
(1.2)对于每个顶点区间,创建一个入射块和一个出射块结构,分别存储此区间顶点的入射边和出射边;
(1.3)根据入射边的源顶点所属区间,将每个入射块进一步划分为P个入射子块;根据出射边的目的顶点所属区间,将每个出射块进一步划分为P个出射子块;
(1.4)划分完成后的图数据都存储在磁盘中。
3.如权利要求2所述的磁盘图处理方法,其特征在于,P的取值要确保每一个入射子块或出射子块的大小小于内存的容量。
4.如权利要求1所述的磁盘图处理方法,其特征在于,步骤(2)包括:
(2.1)分别计算当前顺序加载所有边的磁盘读写开销和随机加载活跃边的磁盘读写开销;
(2.2)判断顺序加载所有边的磁盘读写开销是否大于随机加载活跃边的磁盘读写开销,若是,选择基于行导向的push策略,否则选择基于列导向的pull策略。
5.如权利要求4所述的磁盘图处理方法,其特征在于,
一个顶点被定义为活跃顶点,当且仅当该顶点的顶点值在上一轮迭代中被更新;一条边被定义为活跃边,当且仅当该条边的源顶点是活跃顶点。
6.如权利要求4所述的磁盘图处理方法,其特征在于,
读写开销用读写图数据的总数据量除以磁盘访问带宽计算。
7.如权利要求1所述的磁盘图处理方法,其特征在于,基于行导向的push策略,对图进行访问和对顶点值进行更新,包括以下步骤:
(1)第一行的出射子块初始为更新对象;
(2)依次对更新对象中出射子块执行更新操作,所述更新操作为:读取出射子块的每一条活跃边,更新其目的顶点的顶点值;
(3)当一行的出射子块都更新之后,用更新后的每一区间的目的顶点的顶点值更新对应区间的源顶点的顶点值;
(4)判断更新对象是否为最后一行的出射子块,若是,结束;若否,将下一行的出射子块替换为更新对象,重复步骤(2)-(3)。
8.如权利要求1所述的磁盘图处理方法,其特征在于,基于列导向的pull策略,对图进行访问和对顶点值进行更新,包括以下步骤:
(1)第一列的入射子块初始为更新对象;
(2)依次对更新对象中入射子块执行更新操作,所述更新操作为:入射子块的每个目的顶点通过读取入射边及其源顶点,更新自己的顶点值;
(3)当一列的入射子块都更新之后,用更新后的每一区间的目的顶点的顶点值更新对应区间的源顶点的顶点值;
(4)判断更新对象是否为最后一列的入射子块,若是,结束;若否,将下一列的入射子块替换为更新对象,重复步骤(2)-(3)。
9.如权利要求1所述的磁盘图处理方法,其特征在于,步骤(4)中收敛条件为顶点值不被改变。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810816008.3A CN109240600B (zh) | 2018-07-24 | 2018-07-24 | 一种基于混合更新策略的磁盘图处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810816008.3A CN109240600B (zh) | 2018-07-24 | 2018-07-24 | 一种基于混合更新策略的磁盘图处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109240600A true CN109240600A (zh) | 2019-01-18 |
CN109240600B CN109240600B (zh) | 2020-05-19 |
Family
ID=65072936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810816008.3A Active CN109240600B (zh) | 2018-07-24 | 2018-07-24 | 一种基于混合更新策略的磁盘图处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109240600B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112988064A (zh) * | 2021-02-09 | 2021-06-18 | 华中科技大学 | 一种面向并发多任务的磁盘图处理方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104952032A (zh) * | 2015-06-19 | 2015-09-30 | 清华大学 | 图的处理方法、装置以及栅格化表示及存储方法 |
CN105224528A (zh) * | 2014-05-27 | 2016-01-06 | 华为技术有限公司 | 基于图计算的大数据处理方法和装置 |
CN105590321A (zh) * | 2015-12-24 | 2016-05-18 | 华中科技大学 | 一种基于块的子图构建及分布式图处理方法 |
CN105653204A (zh) * | 2015-12-24 | 2016-06-08 | 华中科技大学 | 一种基于磁盘的分布式图计算方法 |
US20160350662A1 (en) * | 2015-05-28 | 2016-12-01 | GraphSQL, Inc. | System and method for real-time graph-based recommendations |
CN108132838A (zh) * | 2016-11-30 | 2018-06-08 | 华为技术有限公司 | 一种图数据处理的方法、装置及系统 |
-
2018
- 2018-07-24 CN CN201810816008.3A patent/CN109240600B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105224528A (zh) * | 2014-05-27 | 2016-01-06 | 华为技术有限公司 | 基于图计算的大数据处理方法和装置 |
US20160350662A1 (en) * | 2015-05-28 | 2016-12-01 | GraphSQL, Inc. | System and method for real-time graph-based recommendations |
CN104952032A (zh) * | 2015-06-19 | 2015-09-30 | 清华大学 | 图的处理方法、装置以及栅格化表示及存储方法 |
CN105590321A (zh) * | 2015-12-24 | 2016-05-18 | 华中科技大学 | 一种基于块的子图构建及分布式图处理方法 |
CN105653204A (zh) * | 2015-12-24 | 2016-06-08 | 华中科技大学 | 一种基于磁盘的分布式图计算方法 |
CN108132838A (zh) * | 2016-11-30 | 2018-06-08 | 华为技术有限公司 | 一种图数据处理的方法、装置及系统 |
Non-Patent Citations (4)
Title |
---|
YONGLI CHENG ET AL.: "LCC-Graph: A high-performance graph-processing framework with lowcommunication costs", 《2016 IEEE》 * |
张海威等: "一种基于自适应结构概要的有向标签图子图匹配查询算法", 《计算机学报》 * |
李金吉等: "流式处理的异步图处理框架", 《软件学报》 * |
汪修能: "基于活跃顶点的外存图计算系统I/O访问策略", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112988064A (zh) * | 2021-02-09 | 2021-06-18 | 华中科技大学 | 一种面向并发多任务的磁盘图处理方法 |
CN112988064B (zh) * | 2021-02-09 | 2022-11-08 | 华中科技大学 | 一种面向并发多任务的磁盘图处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109240600B (zh) | 2020-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7401329B2 (en) | Compiling computer programs to exploit parallelism without exceeding available processing resources | |
Wang et al. | Predator—An experience guided configuration optimizer for Hadoop MapReduce | |
CN109522428A (zh) | 一种基于索引定位的图计算系统的外存访问方法 | |
Nasridinov et al. | Decision tree construction on GPU: ubiquitous parallel computing approach | |
CN105653204A (zh) | 一种基于磁盘的分布式图计算方法 | |
CN102096744A (zh) | 一种非规则迭代并行化方法 | |
Sørensen et al. | Multicore performance of block algebraic iterative reconstruction methods | |
CN109240600A (zh) | 一种基于混合更新策略的磁盘图处理方法 | |
Meng et al. | Robust SIMD: Dynamically adapted SIMD width and multi-threading depth | |
CN107480096B (zh) | 一种大规模群体仿真中的高速并行计算方法 | |
van der Zanden et al. | Computing Treewidth on the GPU | |
CN115759979B (zh) | 基于rpa和流程挖掘的流程智能处理方法和系统 | |
Zhou et al. | A study on optimizing execution time and code size in iterative compilation | |
Chatterjee et al. | Data structures and algorithms for counting problems on graphs using gpu | |
Laura et al. | Computing strongly connected components in the streaming model | |
CN116841762A (zh) | 一种图神经网络训练中的定长式边点结合采样机制 | |
CN109254725A (zh) | 一种基于子图构建的磁盘图处理方法及系统 | |
CN105487911A (zh) | 一种基于编译指导的众核数据分片方法 | |
CN106874215B (zh) | 一种基于Spark算子的序列化存储优化方法 | |
Ceesay et al. | Benchmarking and performance modelling of mapreduce communication pattern | |
CN116185378A (zh) | 计算图的优化方法、数据处理方法及相关产品 | |
WO2015062369A1 (zh) | 轮廓技术编译的优化方法及装置 | |
US8549456B2 (en) | System and method for circuit design floorplanning | |
WO2021061183A1 (en) | Shuffle reduce tasks to reduce i/o overhead | |
KR102644229B1 (ko) | 메모리 프로파일링 장치 및 그의 동작 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |