论文部分内容阅读
HGGF（halo-basedgalaxygroupfinder）算法实现了基于暗物质晕的星系找群，在研究宇宙大尺度结构及宇宙的演化等领域中占有至关重要的地位。但由于数据规模的增长，急需对HGGF算法进行优化，以缩短运行时间。经分析，算法的热点部分耗时受到非规则访存的严重影响，因此针对算法的结构和非规则访存模型，提出了数据预排序方法，并分析了该方法如何影响访存过程。在此基础上，利用数据对齐、循环分解进一步优化访存效率，利用负载均衡和互斥变量私有化的方法提高了OpenMP的并行效率，最终将HGGF应用使用1