按键排序在飞行或不同的方法

Thrust Sort by key on the fly or different approach?

本文关键字：方法 飞行 排序      更新时间：2023-10-16

我想知道是否有可能使用Thrust Library按键排序，而不需要创建一个Vector来存储键(在飞行中)。例如，我有以下两个向量:键和值:

vectorKeys:    0,  1,  2,  0,  1,  2,  0,  1,  2 
VectorValues: 10, 20, 30, 40, 50, 60, 70, 80, 90

按键排序后:

thrust::sort_by_key(vKeys.begin(), vKeys.end(), vValues.begin());

结果向量为:

vectorKeys:    0,  0,  0,  1,  1,  1,  2,  2,  2 
VectorValues: 10, 40, 70, 20, 50, 80, 30, 60, 90

我想知道是否有可能在不需要vKeys向量(在飞行中)的情况下sort_by_key，这样我就可以节省存储它的内存，并能够对更多的数据进行排序?

最后，我想对相同的键进行求和，并存储在一个向量中…是否有更好的方法来代替按键排序，然后按键减少，以获得相同的结果?

FinalVector = 120, 150, 180

您链接的原始推动力示例对具有行为主存储的底层数据集执行行求和。你的问题本质上是，当底层存储是列为主时，如何做同样的事情。

基本上可以使用相同的方法，但必须使用置换迭代器"动态地"将底层以列为主的存储转换为以行为主的存储。

对于这个，我们可以借用我在这里描述的函子

下面是一个完整的例子:

$ cat t466.cu
#include <thrust/host_vector.h>
#include <thrust/device_vector.h>
#include <thrust/reduce.h>
#include <thrust/functional.h>
#include <thrust/sequence.h>
#include <thrust/iterator/transform_iterator.h>
#include <thrust/iterator/permutation_iterator.h>
#include <thrust/iterator/counting_iterator.h>
#include <iostream>
#define COLS 3
#define ROWS 3
#define DSIZE (COLS*ROWS)
#define INIT 10
#define STEP 10
// convert a linear index to a row index
template <typename T>
struct linear_index_to_row_index : public thrust::unary_function<T,T>
{
  T C; // number of columns
  __host__ __device__
  linear_index_to_row_index(T C) : C(C) {}
  __host__ __device__
  T operator()(T i)
  {
    return i % C;
  }
};
struct rm2cm_idx_functor : public thrust::unary_function<int, int>
{
  int r;
  int c;
  rm2cm_idx_functor(int _r, int _c) : r(_r), c(_c) {};
  __host__ __device__
  int operator() (int idx)  {
    unsigned my_r = idx/c;
    unsigned my_c = idx%c;
    return (my_c * r) + my_r;
  }
};

int main(void)
{
  int C = COLS;     // number of columns
  int R = ROWS;     // number of rows
  thrust::host_vector<int> h_vals(DSIZE);
  // initialize data
  thrust::sequence(h_vals.begin(), h_vals.end(), INIT, STEP);
  thrust::device_vector<int> vals = h_vals;
  std::cout << " Initial data: " << std::endl;
  thrust::copy(h_vals.begin(), h_vals.end(), std::ostream_iterator<int>(std::cout, ","));
  std::cout << std::endl;
  // allocate storage for row sums and indices
  thrust::device_vector<int> row_sums(R);
  thrust::device_vector<int> row_indices(R);
  // compute row sums by summing values with equal row indices
  thrust::reduce_by_key
    (thrust::make_permutation_iterator(thrust::make_transform_iterator(thrust::counting_iterator<int>(0), linear_index_to_row_index<int>(R)), thrust::make_transform_iterator(thrust::counting_iterator<int>(0), rm2cm_idx_functor(R, C))),
     thrust::make_permutation_iterator(thrust::make_transform_iterator(thrust::counting_iterator<int>(0), linear_index_to_row_index<int>(R)) + (R*C), thrust::make_transform_iterator(thrust::counting_iterator<int>(0), rm2cm_idx_functor(R, C)) + (R*C)),
     thrust::make_permutation_iterator(vals.begin(), thrust::make_transform_iterator(thrust::counting_iterator<int>(0), rm2cm_idx_functor(R, C))),
     row_indices.begin(),
     row_sums.begin(),
     thrust::equal_to<int>(),
     thrust::plus<int>());
  // print data
  thrust::host_vector<int> h_row_sums = row_sums;
  std::cout << " Results: " << std::endl;
  thrust::copy(h_row_sums.begin(), h_row_sums.end(), std::ostream_iterator<int>(std::cout, ","));
  std::cout << std::endl;
  return 0;
}
$ nvcc -arch=sm_20 -o t466 t466.cu
$ ./t466
 Initial data:
10,20,30,40,50,60,70,80,90,
 Results:
120,150,180,
$

注意，我还更改了linear_index_to_row_index函子，以获得适合底层列主要存储的行索引(假设底层存储为行主要时，前一个函子返回索引)。这只涉及将除法操作更改为模操作，并传递R而不是C来初始化函子，因此请注意细微的差异。

相关文章：