Работа выполнена в рамках государственного задания ИВМиМГ СО РАН (0251-2021-0005).Построена ассоциативная версия последовательного динамического алгоритма Рамалингама. Эта версия представлена в виде процедуры на языке STAR, корректность которой доказана. Результаты тестирования на графических ускорителях показывают, что ассоциативный динамический алгоритм выполняется в несколько раз быстрее статического ассоциативного алгоритма и делает значительно меньше итераций, чем последовательный динамический алгоритм. Ключевые слова: SIMD; графический ускоритель; контекстно-адресуемая память; потоковый граф; динамический алгоритм.

No abstract

In this paper, we present the simulation of an abstract model of SIMD type with vertical data processing (the STAR-machine) on GPU with CUDA framework. There is a number of algorithms developed for the STAR-machine. The research conducted recently shows that such a model is extremely efficient when used to solve graph problems. Associative operations are the key properties of this model. In particular, all of them take constant time. In this paper, we present an implementation of associative operations on GPU (Graphic Processing Units). This study is aimed at providing a bridge or a general manual instruction to convert the STAR algorithms to the GPU implementation. As the architecture of the STAR-machine in modern technologies has not been built yet, this provides a possible way to implement the STAR algorithms on an alternative platform to verify their correctness and efficiency, especially, for massive data input.

Ассоциативные (контекстно адресуемые) параллельные процессоры типа SIMD с вертикальной обработкой информации ориентированы на решение задач нечисловой обработки данных. Моделирование работы таких систем описывается с помощью абстрактной модели типа SIMD (STAR-машины). На этой модели были разработаны эффективные алгоритмы для решения многих задач на графах. Однако из-за отсутствия широко распространенных ассоциативных архитектур эти алгоритмы не могли применяться на практике. С развитием графических ускорителей появилась возможность реализовывать ассоциативные параллельные модели без существенной потери эффективности. В качестве первого этапа реализации STAR-машины на графических ускорителях в виде библиотеки на CUDA были реализованы специфические для языка STAR типы данных и простейшие операции над ними. В настоящей статье приводится эффективная реализация на GPU библиотеки стандартных процедур языка STAR. Проведено сравнение времени работы данной реализации с временем работы процедур из стандартных библиотек (STL на CPU и CUDA thrust на GPU), выполняющих эти же операции. Планируется использовать представленную реализацию STAR-машины на GPU для решения задач на графах. The associative (content addressable) parallel processors of the SIMD type with vertical data processing are oriented on solving problems of non-numeric data processing. The simulation of such systems is described using an abstract SIMD-type model of a STAR machine. On the basis of this model, a number of efficient algorithms are developed to solve many graph problems. Since the associative architectures are not widely available, however, these algorithms cannot be used in practice. With advances in the production of GPU, the possibilities to implement the associative parallel models without significant loss of efficiency are increased. As the first stage in the implementation of the STAR-machine on GPU in the form of a CUDA library, specific data types and simple operations of the STAR language were developed. In this paper, we consider an efficient GPU implementation of the standard associative procedure library. The runtime of this implementation is compared with the runtime of similar procedures in the standard libraries (STL on CPU and CUDA thrust on GPU). We plan to use our library implementation to solve graph problems.

No abstract