rapidsai/cudf

Use grid stride in CSV reader kernels

Open

#14.066 aberto em 8 de set. de 2023

Ver no GitHub
 (1 comment) (0 reactions) (1 assignee)C++ (735 forks)batch import
PerformancecuIOgood first issue

Métricas do repositório

Stars
 (6.000 stars)
Métricas de merge de PR
 (Mesclagem média 17d 21h) (230 fundiu PRs em 30d)

Description

Currently, the CSV reader parses data using a thread per row, and a separate thread is used for each row, regardless of the file size. Using a grid stride loop would allow kernels to launch with preset number of blocks even with large input.

This applies both to the parser and the data inference kernels.

Guia do colaborador

Direção de pesquisa
Investigue as implementações atuais do kernel do leitor de CSV no repositório cudf, especificamente os kernels do analisador e de inferência de dados. Procure onde os threads são atribuídos por linha e refatore para usar um loop de passos de grade. Isso envolverá modificar as inicializações do kernel CUDA e as estruturas de loop em arquivos como csv reader.cu ou similares. Consulte os exemplos existentes de passos de grade CUDA na base de código para consistência de padrão.
Pilha de tecnologia
cpp
Domain
backenddata
Tipo Issue
Performance
DifficultyDificuldade de implementação estimada para um novo contribuidor, de 1 para alterações muito pequenas a 5 para trabalho de nível especializado.
3
Tempo estimadoUm intervalo de tempo aproximado para um colaborador experiente investigar, implementar, testar e preparar um pull request.
1-2 dias
Status da atividadeQuão disponível o issue aparece agora: novo, ativo, obsoleto, bloqueado ou aguardando entrada do mantenedor.
Ativo
ClarityCom que clareza o issue explica a mudança esperada, os critérios de aceitação e a próxima etapa.
Claro
Prerequisites
CUDAC++
Simpatia para novatosUma pontuação de 1 a 100 que estima o quão acessível este issue é para colaboradores iniciantes.
40