近日，2022级博士生朱冰（导师郑龙教授）的论文“PRAGA: A Priority-Aware Hardware/Software Co-design for High-Throughput Graph Processing Acceleration”被 ACM Transactions on Architecture and Code Optimization (TACO) 期刊录用。

图数据具有天然的不规则特性，传统的通用处理器在处理图数据时，通常面临低指令级并行性和能效低下的问题。近年来，新型图计算加速器采用了边并行模型，以增强并行性，其性能显著超越传统处理器。然而，在现有的工作中对边的无差别处理导致了大量的冗余计算和访存开销，严重影响了吞吐量进而导致整体性能受限。

为解决此问题，文章提出了优先级感知的顶点内部边顺序执行模式。此执行模式首先为顶点的邻边分配独立的优先级，在执行阶段根据优先级降序顺序处理这些边来加速顶点收敛，从而跳过对顶点最终结果不产生影响的冗余边，从而减少冗余的计算和访存开销。不同于之前的工作，利用粗粒度顶点级并行性减少冗余计算，同时保持高并行性来优化计算效率。此外基于此执行模式设计了优先级感知的图计算加速器——PRAGA。它结合了一个热值管理器来缓解片上数据冲突，并采用一个内存感知的合并器来最小化片外冗余数据访问。实验结果表明，PRAGA相较于最先进的加速器ScalaGraph和GraphDyns分别实现了17.88倍和5.86倍的性能加速，相比于最先进的基于GPU的图计算系统Gunrock实现了 22.52倍加速。

ACM Transactions on Architecture and Code Optimization (TACO) 是计算机系统结构和编译领域最权威的国际学术期刊之一，也是中国计算机学会CCF A类期刊。每季度出版一期，每期录用论文20篇左右，主要关注计算机系统结构和代码优化方面的硬件、软件和系统研究等方面的研究。

（通讯员：朱冰）