内存节省CUDA Thrust sort_by_key的替代方案？

Question

在cuda/thrust: Trying to sort_by_key 2.8GB of data in 6GB of GPU RAM throws bad_alloc中，我已经读过sort_by_key占用了其中考虑的测试用例的大部分内存。

是否有替代方案可以完全执行sort_by_key正在做的事情，即使它稍慢但可以对更大的数据集进行排序？

Answer 1

我一直在搜索，我认为以下是你问题的候选答案。

引用N. Bell和J. Hoberock，“Thrust：面向生产力的CUDA库”，GPU计算宝石翡翠版：

  

Thrust静态选择高度优化的 Radix Sort 算法，用于对原始类型（char，int，float和double）进行排序标准less和greater比较运算符。对于所有其他类型（例如，用户定义的数据类型）和比较运算符，Thrust使用一般的合并排序算法。因为使用Radix Sort排序基元比合并排序快得多，所以这种静态优化具有重要价值。

现在，合并排序需要O(N)个内存空间，请参阅Space requirements of a merge-sort。

此外，基数排序仍然需要O(N)个内存空间，请参阅Comparison of Bucket Sort and RADIX Sort。

两个消耗更多内存中的哪一个未定义，取决于要排序的输入序列以及算法调整参数，请参阅对Why quicksort is more popular than radix-sort?的答案之一的评论。

与此相反，快速排序如果就地执行则需要O(logN)内存空间，否则需要O(N)。对于快速排序算法的CUDA实现，您可以查看How Tesla K20 Speeds Quicksort。

对于其他就地排序算法（就地策略值得探讨，因为与非in-相比，它可以节省内存地点对应的），看看 Bitonic Sort ，请参阅Fast in-place sorting with CUDA based on bitonic sort。