Halo-based Galaxy Group Finder(HGGF)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,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11.6倍,同时取得了更好的弱可扩展性.
展开▼
