21、高性能矩阵乘法与频繁闭合序列并行挖掘

高性能矩阵乘法与频繁闭合序列并行挖掘

1. Fiteng1000处理器上的高性能矩阵乘法

在大规模多线程的Fiteng1000处理器中，L2缓存由64个线程共享，因此矩阵$\overline{B}$的大小会影响并行算法的性能。在Goto算法中，$\overline{B}$缓冲区大小的最佳选择是将其保持为L2缓存的一半，此时$\overline{B}$的维度为512x512。但对于Fiteng1000处理器，如果每个线程使用L2缓存的一半，性能会很差，因为L2缓存由64个线程共享，缓存冲突严重。研究表明，$\overline{B}$维度为32x32时可获得最佳性能。

为了在Fiteng1000处理器上实现高性能的并行矩阵乘法，采用了以下策略：
- 并行算法设计 ：提出了在内存中共享A或B矩阵的并行算法，避免了冗余的数据打包。
- 线程拓扑与数据放置 ：选择二维线程空间拓扑、多内存层进行数据放置，并使用不同大小的缓冲区矩阵。
- 代码实现 ：在OpenMP并行编程环境下，使用C和汇编语言设计并行代码。

性能测试结果显示，避免A矩阵冗余打包的并行算法性能比流式处理A和C矩阵的算法高约4%，并接近峰值性能。

2. 基于MapReduce的BIDE频繁闭合序列并行挖掘

2.1 背景与动机

顺序模式挖掘旨在发现顺序事件之间的关系，在商业交易、电信记录和气象数据等领域有广泛应用。其中，闭合顺序模式保留了完整模式集的所有信息，且通常更加紧凑，因此更为有用。一些知名的闭合顺序模式挖掘算法包