14、PruX：优化图500基准中并行广度优先搜索算法的通信剪枝方法

PruX：优化图500基准中并行广度优先搜索算法的通信剪枝方法

1. 并行广度优先搜索算法优化概述

在图处理领域，并行广度优先搜索（BFS）算法是一项重要的技术，而图500基准测试为评估BFS算法性能提供了标准。其性能评估标准是每秒遍历的边数（TEPS），计算公式如下：
- 第i次迭代的TEPS：$TEPS_i = \frac{num_{travali}}{bfs_time_i}$
- 最终标准（平均TEPS）：$mean\ TEPS = \frac{\sum_{i = 1}^{64} TEPS_i}{64}$

当遍历边数几乎恒定时，提升BFS算法性能的关键在于减少BFS运行时间，它由计算时间和通信时间组成。研究发现，图500原始并行BFS实现中存在大量无效通信，因此可通过修改通信模式来减少无效通信，从而提升性能。

2. 图存储优化

PruX方法基于图500的原始并行BFS实现，采用1D分区方法进行图分区，并将图数据存储为邻接矩阵后转换为压缩稀疏行（CSR）矩阵。转换过程如下：
- 假设邻接矩阵是$n’×n’$的稀疏矩阵，存储边数为m。
- 数组 row_offset 长度为$n’ + 1$， column_indices 长度为m， values 长度为m。
- row_offset 数组的第$i + 1$个元素减去第i个元素，表示邻接矩阵第i行存储的边数。
- column_indices 数组按行连续存储邻接矩阵中边的目标顶点， values