rapidsai/cudf

Use grid stride in CSV reader kernels

開放

#14,066 建立於 2023年9月8日

在 GitHub 查看貢獻者指南
 (1 則留言) (0 個反應) (1 位負責人)C++ (735 個分叉)batch import
PerformancecuIOgood first issue

倉庫指標

星標
 (6,000 顆星)
PR 合併指標
 (平均合併 17天 21小時) (30 天內合併 230 個 PR)

描述

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.

貢獻者指南

研究方向
研究cudf倉庫中現有的CSV讀取器內核實現，特別是解析器和資料推斷內核。查找按行分配執行緒的位置，並重構為使用網格跨步迴圈。這將涉及修改csv reader.cu或類似檔案中的CUDA內核啟動和迴圈結構。參考程式碼庫中現有的CUDA網格跨步範例以保持模式一致性。
技術棧
cpp
領域
backenddata
議題類型
效能
難度面向新貢獻者的預計實作難度，1 表示很小改動，5 表示專家級工作。
3
預計時間有經驗貢獻者完成調查、實作、測試並準備 pull request 的粗略時間範圍。
1-2 天
活動狀態議題目前的可參與程度：新鮮、活躍、陳舊、阻塞或等待維護者輸入。
活躍
清晰度議題是否清楚說明預期改動、驗收標準和下一步。
清晰
前置要求
CUDAC++
新手友善度1-100 的估計分數，表示該議題對首次貢獻者的友善程度。
40