14、PruX：优化图 500 中并行广度优先搜索算法的通信剪枝方法

PruX：优化图 500 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

在图 500 基准测试中，并行广度优先搜索（BFS）算法的性能评估标准是 TEPS（每秒遍历的边数）。具体计算方式如下：
- 定义 num_travali 为第 i 次迭代中 BFS 遍历的边数， bfs_timei 为第 i 次迭代的运行时间。则第 i 次迭代的 TEPS 为：
[TEPS_i = \frac{num_travali}{bfs_timei}]
- 生成 64 个唯一的根顶点，运行 64 次 BFS，取 TEPS 的平均值（mean TEPS）作为最终标准：
[mean\ TEPS = \frac{\sum_{i = 1}^{64} TEPS_i}{64}]

当遍历边数几乎恒定时，可通过减少 BFS 时间来提升算法性能。BFS 时间由计算时间和通信时间组成，为提升性能，重点在于减少机器间的通信时间。经实验发现，图 500 中并行 BFS 的原始实现存在大量无效通信，因此对其通信模式进行修改以减少无效通信。

2. 图存储

PruX 的实现基于图 500 并行 BFS 的原始实现，采用 1D 分区方法进行图分区。图数据先存储为邻接矩阵，再转换为压缩稀疏行（CSR）矩阵。

邻接矩阵转换为 CSR 矩阵的过程如下：
假设邻接矩阵是一个 n'×n' 的稀疏矩阵，存储的边数为 m 。则：