rapidsai/cudf

Use grid stride in CSV reader kernels

Open

#14,066 创建于 2023年9月8日

在 GitHub 查看
 (1 评论) (0 反应) (1 负责人)C++ (735 fork)batch import
PerformancecuIOgood first issue

仓库指标

Star
 (6,000 star)
PR 合并指标
 (平均合并 17天 21小时) (30 天内合并 230 个 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.

贡献者指南

研究方向
研究cudf仓库中现有的CSV读取器内核实现，特别是解析器和数据推断内核。查找按行分配线程的位置，并重构为使用网格跨步循环。这将涉及修改csv reader.cu或类似文件中的CUDA内核启动和循环结构。参考代码库中现有的CUDA网格跨步示例以保持模式一致性。
技术栈
cpp
领域
backenddata
议题类型
性能
难度面向新贡献者的预计实现难度，1 表示很小改动，5 表示专家级工作。
3
预计时间有经验贡献者完成调查、实现、测试并准备 pull request 的粗略时间范围。
1-2 天
活动状态议题当前的可参与程度：新鲜、活跃、陈旧、阻塞或等待维护者输入。
活跃
清晰度议题是否清楚说明期望改动、验收标准和下一步。
清晰
前置要求
CUDAC++
新手友好度1-100 的估计分数，表示该议题对首次贡献者的友好程度。
40