POCOAS in C++: A Portable Abstraction for Distributed Data Structures

• 语言: 英语
• 格式: .pdf
• 来源: github.com/CppCon

摘要

文档讨论了C++中分布式数据结构的可移植抽象，特别是PGAS（全球地址空间）方法的应用。文档展示了如何在C++中实现分布式数据结构，包括在GPU上的分布式哈希表和矩阵操作。主要内容包括：分布式数据结构的分类（远程数据结构和分布式数据结构）、跨GPU和跨节点的扩展性、以及正确的高级分布式数据结构实现潜在的高性能。文档还涉及CUDA内核中的对象传递机制，包括对象复制和生命周期管理问题，最后指出高效的分布式数据结构实现可以与高度优化的实现竞争。

AI总结

以下是对文档内容的中文总结：

---

该文档讨论了在C++中实现分布式数据结构的可移植抽象（POCOAS），并介绍了其在GPU和分布式系统中的应用。以下是核心内容的总结：

### 1. **数据结构分类**
- **远程数据结构**：数据位于单一进程，但全局可访问。
- **分布式数据结构**：数据分布在多个进程中，但全局可访问。例如，分布式哈希表（如‘a’, ‘b’, ‘c’）可以在不同排名之间共享。

### 2. **分布式数据结构的优势**
- **性能**：正确的高级分布式数据结构可以实现与高度优化实现相当的性能。
- **扩展性**：支持单节点内多GPU和跨节点的分布式数据结构。

### 3. **GPU上的分布式数据结构**
- **实现挑战**：将对象传递到CUDA内核时，需要注意对象生命周期和深拷贝问题。浅拷贝可能导致对象在内核执行前被销毁。
- **示例代码**：展示了如何通过CUDA内核实现GPU侧的哈希表操作。

### 4. **BCL库介绍**
- **功能**：BCL（Berkeley Container Library）是一个基于PGAS（全局地址空间编程）的C++分布式数据结构库。
- **资源链接**：GitHub（https://github.com/berkeley-container-library/bcl），作者网站（https://cs.berkeley.edu/~brock）。
- **相关内容**：对感兴趣的读者推荐了另一篇关于GraphBLAS的讲座。

---

以上是文档的核心内容和关键信息的总结，简洁明了地概括了分布式数据结构的实现、优势及应用。