کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4951541 1441477 2017 48 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Exploring big graph computing - An empirical study from architectural perspective
ترجمه فارسی عنوان
بررسی محاسبات گراف بزرگ - یک مطالعه تجربی از منظر معماری
کلمات کلیدی
محاسبات گراف، خصوصیات معماری، اطلاعات بزرگ،
ترجمه چکیده
محاسبات گراف به طور گسترده ای در تعداد زیادی از برنامه های داده بزرگ کاربرد دارد. با وجود اهمیت آن، محاسبات گراف با کارایی بالا همچنان یک چالش است، مخصوصا برای نمودارهای بزرگ مقیاس. در این مقاله، با تجزیه و تحلیل از دیدگاه معماری، ما محاسبه رفتار محاسبات گراف در موارد استفاده واقعی را مطالعه می کنیم. ما مجموعه ای از الگوریتم های گراف نمایشی را که در چارچوب یکپارچه اجرا شده اند، انجام می دهیم و آزمایش هایی را برای تجزیه و تحلیل ویژگی های عملکرد جامع انجام می دهیم. در توصیف ویژگی، چندین بینش را مشاهده کردیم، از جمله الگوهای حافظه نامنظم، رفتارهای متنوعی در محاسبات مختلف، رفتارهای وابسته به اطلاعات و غیره، با استفاده از نمودارهای مصنوعی بزرگ و واقعی در جهان. به طور کامل از دانش ما، این اولین مطالعه جامع معماری در تمام زمینه محاسبات گراف است. این می تواند درک ما در محاسبات گراف پیشرفته و کمک به تحقیقات محاسباتی با کارایی بالا برای برنامه های کاربردی داده بزرگ مبتنی بر گراف.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
چکیده انگلیسی
Graph computing is widely applied in a large number of big data applications. Despite its importance, high performance graph computing remains a challenge, especially for large-scale graphs. In this paper, by analyzing from the architectural perspective, we study computational behaviors of graph computing in real-world use cases. We benchmark a set of representative graph algorithms implemented on a unified framework and conduct experiments to analyze comprehensive performance characteristics. In the characterization, we observed multiple insights, including irregular memory patterns, significant diverse behavior across different computations, highly data dependent behaviors, etc., using large-scale synthetic and real-world graphs. To the best of our knowledge, this is the first comprehensive architectural study on the full-scope of graph computing. It can improve our understanding on graph computing and help high performance computing research for graph-based big data applications.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Parallel and Distributed Computing - Volume 108, October 2017, Pages 122-137
نویسندگان
, , , ,