최근 그래프의 규모와 복잡성은 지속해서 증가하는 추세이다. 대규모 그래프는 계산 및 저장 공간 비용이 매우 높기 때문에 기존 CPU를 활용한 연구 기법을 그대로 활용하기엔 적합하지 않다. 이러한 이유로 GPU와 같은 고성능 컴퓨팅 자원을 활용한 처리 기법은 계산 비용 관점에서 중요한 연구 주제이며 이를 효과적으로 이용하기 위해서는 GPU의 구조적 특징을 고려한 효율적인 그래프 처리 기법이 필요하다. GPU는 CPU와 비교하여 뛰어난 계산 성능을 갖고 있으나 비교적 적은 메모리 공간을 갖고 있으므로 이를 효과적으로 이용하기 위해서는 그래프를 나누어 처리해야 한다. 본 논문은 GPU를 활용하여 효과적인 그래프 분할을 수행하기 위한 스트리밍 클러스터링 기반의 그래프 분할 방법을 제안한다. 제안하는 기법은 그래프를 GPU의 메모리에서 처리할 수 있는 수준으로 압축하여 전송하고 GPU는 그래프 분할에 필요한 정보를 구하여 호스트에 전달한다. 마지막으로 호스트에서는 해당 정보를 기반으로 그래프 분할한다. 결과적으로 제안하는 기법은 메모리 효율을 높이고 GPU의 장점을 최대화하여 효율적이고 정확한 그래프 분할을 수행한다. 다양한 다른 최신 기법과 실험을 통해 본 논문의 우수성을 입증한다. 실험 결과, 기존 기법이 처리할 수 없는 그래프를 GPU에서 처리했으며 전체적인 그래프 분할 품질이 우수함을 확인했다.
더보기The increasing size and complexity of modern graphs are quickly surpassing the capabilities of traditional CPU-based methods, owing to their significant computational and storage demands. This situation necessitates high-performance computing solutions, such as GPUs. Although GPUs possess superior processing power, their limited memory capacity remains a challenge. To effectively utilize GPUs for graph processing, schemes that align with their architectural features are crucial. In this paper, we propose the efficient large-scale graph partitioning schemes for GPU environments. Our approach involves compressing the graph to a size manageable by GPU memory, which facilitates processing, and then transmitting the partitioning-relevant information back to the host system for final partitioning. This scheme enhances memory efficiency and leverages the computational advantages of GPUs, resulting in a more effective and precise graph partitioning process. The efficacy of our approach is further demonstrated through comparative experiments with other contemporary GPU-based research. The experimental results demonstrate that the graph, which was previously unprocessable by conventional schemes, has been successfully handled on a GPU, and an overall superior quality of graph partitioning has been observed.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)