大规模图处理资源性价比评估研究

摘要

大规模图处理是大数据技术中的重要组成部分，有着广泛的应用领域。随着GPU并行计算技术的发展，基于GPU加速的图计算在近几年取得了很多成果，与CPU图计算相比在图算法执行时间上能够得到数倍以上的提升。经调研发现，当前关于大规模图处理的研究工作集中在图处理性能的提升上，其目标是更快的图处理速度和更大的图处理规模，用户无法得知哪类图处理方案符合其利益诉求以及如何选择图处理的系统方案。大规模图处理资源性价比评估以资源性价比作为图处理方案的选择依据，回答了这个问题。资源性价比高的系统方案，可以消耗较少的资源来得到所需求的图处理性能，或者在相同的资源消耗下得到更高的性能，使得用户的图处理业务得到更高的收益。 大规模图处理资源性价比评估以GPU和CPU为研究对象，通过实验评估和比较了GPU和CPU进行图处理时的资源性价比。首先，提出了资源性价比的正式定义并分析其评估模型，然后结合云环境下的大规模图处理的使用场景，给出了云环境中的资源代价模型和大规模图处理的评价模型。其次，从图处理系统的体系结构上比较和分析了几类大规模图处理方案的特点，总结了大规模图处理的性能与瓶颈的关键因素，提出了相应的大规模图处理性能模型。最后提出本文评估方案和其中测试基准的图算法、数据集和性能指标，并对GPU与CPU的图处理资源性价比进行了实验测量和数据分析，评估和论证了GPU的图处理资源性价比，给出了在云环境下使用GPU进行大规模图处理时的性价比的结论。 大规模图处理资源性价比的评估工作为用户提供了在云环境下大规模图处理方案的性价比指导意见，帮助用户以更少的资源实现图处理的业务需求。评估实验的结果表明，在云环境下适合于使用GPU进行大规模图处理，对于性能优先和代价优先的用户，GPU的图处理资源性价比更高，用户应该选择部署GPU图处理系统；对于不关注图处理速度的用户，CPU图处理的资源性价比更高，用户应该选择部署CPU图处理系统。

目录

第一个书签之前