A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

High-Performance and Hardware-Efficient Odd-Even Based Merge Sorter Classificador de mesclagem baseado em ímpar-par, de alto desempenho e com hardware eficiente

Elsayed A. ELSAYED, Kenji KISE

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

A classificação de dados é uma operação importante na ciência da computação. É amplamente utilizado em diversas aplicações, como banco de dados e pesquisa. Embora haja demanda por aceleradores de classificação de alto desempenho, é muito importante prestar atenção aos recursos de hardware para esse tipo de classificadores de alto desempenho. Neste artigo, propomos três arquiteturas baseadas em FPGA para acelerar a operação de classificação baseada no algoritmo de classificação por mesclagem. Chamamos nossas propostas de WMS: Wide Merge Sorter, EHMS: Efficient Hardware Merge Sorter e EHMSP: Efficient Hardware Merge Sorter Plus. Nosso alvo é o dispositivo Virtex UltraScale FPGA. Os resultados da avaliação mostram que nossos mescladores propostos mantêm propriedades de alto desempenho e econômicas. Embora utilizem muito menos recursos de hardware, nossos mescladores propostos alcançam desempenho superior em comparação com o estado da arte. Por exemplo, com 256 registros classificados produzidos por ciclo, os resultados da implementação do EHMS proposto mostram uma redução significativa no número necessário de Flip Flops (FFs) e Look-Up Tables (LUTs) para cerca de 66% e 79%, respectivamente, ao longo do período. classificador de mesclagem de última geração. Além disso, embora exija menos recursos de hardware, o EHMS atinge um rendimento cerca de 1.4x maior do que o classificador de mesclagem de última geração. Para o mesmo número de registros produzidos, o WMS proposto também alcança uma melhoria de rendimento de cerca de 1.6x em relação ao estado da arte, ao mesmo tempo que requer cerca de 81% de FFs e 76% de LUTs necessários para o classificador de última geração.

Publicação
IEICE TRANSACTIONS on Information Vol.E103-D No.12 pp.2504-2517
Data de publicação
2020/12/01
Publicitada
2020/08/13
ISSN online
1745-1361
DOI
10.1587/transinf.2020PAP0017
Tipo de Manuscrito
Special Section PAPER (Special Section on Parallel, Distributed, and Reconfigurable Computing, and Networking)
Categoria
Computer System

autores

Elsayed A. ELSAYED
  Tokyo Institute of Technology,Aswan University
Kenji KISE
  Tokyo Institute of Technology

Palavra-chave