GraphSSD: Graph Semantics Aware SSD
作者:Kiran Kumar Matam, Gunjae Koo, Haipeng Zha, Hung-Wei Tseng and Murali Annavaram
@ University of Southern California
现有的Out-of-core图处理系统试图通过分块的方式减缓的I/O访存瓶颈,然而这种方法产生了很多冗余的数据访问开销。本文提出的GraphSSD是一个在SSD上进行图存储、图访问和图分析的一体化方案。其主要创新点有:
- GraphSSD在用新颖的vertex-to-page框架替换掉传统的物理页映射机制,将冗余数据访问降到了最小
- 最小化了不必要的页面替换开销来支持图更新
- 提供了有效的编程接口,支持应用开发人员像访问内存内的数据一样访问图。
Introduction
在图分析领域中,由于许多图的大小已经远远超过了现有的单机主存的大小,需要来考虑以存储为中心的图处理方案。在这类问题中,访问图数据的I/O时间相比于CPU计算和内存的访问时间成为了新的系统性能瓶颈。
存储层面上来看,SSD的价格下降明显(大约100$每TB)。并且伴随着NVMe接口的普及,SSD在带宽上有了明显的提升。除此之外,SSD内部还提供一些计算功能来管理闪存。这种SSD的出现使得构建感知图语义的存储系统成为了可能。
所谓的“感知图语义的存储系统”,具体来说就是将图结构直接看成一种本地数据,而实际上它在存储一端。相比于以往都是将图看成成页的数据,这种方式可以再编程友好的前提下融合更多底层的访存优化。
more >>