GARDENIA

GARDENIA是由国防科技大学开发的针对下一代加速器设计的领域特定基准套件，专注于大规模并行加速器上的不规则算法研究。该数据集包含9个工作负载，模拟现代大规模数据中心中运行的商业多线程程序，特别关注大数据和机器学习领域。GARDENIA通过采用最新的优化技术，确保其代表真实世界的应用程序，并帮助架构研究人员深入理解这些应用程序，从而设计出针对不规则工作负载的高能效下一代加速器。

GARDENIA is a domain-specific benchmark suite developed by the National University of Defense Technology, designed for the next-generation accelerators. It focuses on the study of irregular algorithms on large-scale parallel accelerators. This dataset includes 9 workloads that simulate commercial multithreaded programs running in modern large-scale data centers, with a particular emphasis on the fields of big data and machine learning. GARDENIA ensures its representation of real-world applications through the adoption of the latest optimization techniques, aiding architectural researchers in deeply understanding these applications and thereby designing next-generation accelerators with high energy efficiency for irregular workloads.

原始信息汇总

GARDENIA Benchmark Suite 数据集概述

数据集基本信息

• 名称: GARDENIA Benchmark Suite
• 版权: 2020 Xuhao Chen, Massachusetts Institute of Technology
• 简介: GARDENIA（Graph Analytics Repository for Designing Efficient Next-generation Accelerators）是一个用于设计下一代高效加速器的图分析基准测试套件。
• 链接: https://github.com/chenxuhao/gardenia

数据集特点

• 基准套件目的: 标准化评估，帮助图处理研究。
• 实现技术: 使用CUDA、OpenCL和OpenMP进行并行处理。
• 优化技术: 包含针对现代加速器（如GPU和MIC）的最先进优化技术。
• 数据格式: 图以CSR格式存储，使用两个辅助数据结构：row_offsets和column_indices。

包含的图分析核心

• Betweenness Centrality (BC)
• Breadth-First Search (BFS)
• Connected Components (CC)
• Minimum Spanning Tree (MST)
• PageRank (PR)
• Strongly Connected Components (SCC)
• Stochastic Gradient Descent (SGD)
• Sparse Matrix-Vector Multiplication (SpMV)
• Single-Source Shortest Paths (SSSP)
• Symmetric Gauss-seidel Smoother (SymGS)
• Vertex Coloring (VC)

快速开始

1. 设置CUB库: git submodule update --init --recursive
2. 设置环境变量: 修改src/common.mk文件。
3. 构建项目: 使用make命令。
4. 下载数据集: 从UFSMC或SNAP网站下载。
5. 运行示例: 如运行BFS示例：./bfs_linear_base mtx ../datasets/soc-LiveJournal1 0 0 0

图格式与来源

• 支持格式:
  • .mtx (Matrix Market)
  • .gr (9th DIMACS Implementation Challenge)
  • .graph (Metis格式)
• 数据集来源:
  • The University of Florida Sparse Matrix Collection
  • 10th DIMACS Implementation Challenge
  • Stanford Network Analysis Project
  • 9th DIMACS Implementation Challenge
  • The Koblenz Network Collection
  • Network Data Repository
  • Real-World Input Graphs

引用信息

• 主要论文:
  • GARDENIA: A Domain-specific Benchmark Suite for Next-generation Accelerators
  • Pangolin: An Efficient and Flexible Graph Mining System on CPU and GPU
• 其他相关论文: 包括关于GPU上的稀疏图着色、强连通组件检测等。

开发者

• 主要开发者: Xuhao Chen, Postdoc, MIT
• 联系方式: [e-mail]

许可证

• 版权: Copyright (c) 2021, MIT
• 权限: All rights reserved.