我们有一个用霍夫曼编码编码的数据库。这里的目的是在GPU上复制它与相关的解码器;然后在GPU上解码数据库并在这个解码的数据库上执行操作而不将其复制回CPU上。
我远远不是霍夫曼专家，但我知道的少数人表明它似乎是一种基本上基于控制结构的算法。使用基本算法，我担心会有很多序列化操作。
我的两个问题是：
我看到其他限制，但它们并不重要： - GPU处理树的效率不高：二叉树可以存储在经典数组中 - 工作量很难平衡：我们会看到
答案 0 :(得分：5)
霍夫曼编码的问题在于你无法快进。即：你必须逐个线性地解码。
因此，并行性并不理想。
如果你可以决定编码，你可以完美地按块编码块，以便能够独立解码每个块。
答案 1 :(得分：2)
是的，您可以并行进行霍夫曼解码，这样您就可以在GPU中获得优势 - 提供的内存不是问题。
对于下面的讨论，我将讨论霍夫曼树和霍夫曼输出 - 输出是需要在霍夫曼树中查找以进行解码的压缩符号。
霍夫曼算法要求您有一个用于解码的霍夫曼树 - 该树可能很大。您可以通过使用适合GPU中本地内存的小型霍夫曼树来解决这个问题 - 但这会影响算法的压缩效率。例如。您可以将树限制为最佳的2 ^ n个节点，就像您的gpu处理器允许的那样。 （例如，使用限制为1024个节点的树。
如果你不限制huffman树，这样你就可以在每个gpu上的本地存储中放一个副本，那么你就不会真正得到你期望的并行性，因为所有的gpu处理器都会被阻塞访问内存所有读取相同的内存共享树。
霍夫曼输出符号以可变位数打包。如果你从输出的中间开始知道你是否在一个符号boudary上是没有办法的。但是你可以创建自己的边界。例如，在输出中，您可以强制每个x字的符号对齐为字对齐。然后你知道你可以在输出中的任意多个x字上开始解码，并将该块与适当的树一起发送到GPU处理节点。
您不必只使用一棵树 - 但每块一棵树也可能过度杀伤。也就是说，如果块每个块有一棵树，那么如果块很小，你将会严重削减压缩效率。
因此，您可以尝试查看块的相似性并使用相同的树对相似的块进行编码，并为每个块存储树索引。例如。您可能在输出中有10000个块，但只有50个1024节点树。然后向每个GPU处理节点发送一个块和一个树以并行解码。
使其快速化的关键是每个GPU处理节点仅在本地内存上工作。
答案 2 :(得分：1)
我很惊讶哈弗曼在GPU上的明显共识是不可能的。
我呼吁格言：“如果它发生，它必须是可能的”。 （不同归因于阿加莎克里斯蒂，阿尔伯特爱因斯坦等）
由于SuperXero在GPU上运行Huffman，我想它一定是可能的。
CPU huffman compression faster after first execution?（SuperXero）