GPU加速的大数据在内存集群计算中的迭代稀疏矩阵-向量乘法

迭代SpMV（ISpMV）是许多基于图的数据挖掘算法和机器学习算法中的关键操作。 随着大数据的发展，矩阵是如此之大，也许是十亿规模，以至于SpMV无法在一台计算机上实现。 因此，为大型数据集实现和优化SpMV是一个具有挑战性的问题。 在本文中，我们使用内存中的异构CPUGPU。集群计算平台（IMHCP）有效地解决了十亿规模的SpMV问题。 提出了一种稀疏矩阵和向量的专用高效分层策略。 分区策略包含在群集中的工作人员之间以及one.worker中的GPU之间分区sparse.matrices。 此外，从计算效率和可伸缩性方面评估了基于IMHCPs的SpMV的性能。