在RAPIDS cugraph项目中构建单GPU版本SSSP的技术实践

背景介绍

RAPIDS cugraph是一个基于GPU加速的图分析库，提供了多种图算法的高性能实现。其中单源最短路径(SSSP)算法是图分析中的基础算法之一。本文将详细介绍在cugraph项目中构建和运行单GPU版本SSSP的技术实践过程。

构建环境准备

在构建cugraph项目时，需要准备以下环境：

• Ubuntu 22.04操作系统
• CUDA 12.2环境
• NVIDIA RTX 3060显卡
• NVIDIA驱动535.104.05版本
• CMake 3.28.3构建工具

构建过程中的挑战

1. cugraph-ops依赖问题

cugraph项目中的部分算法依赖于闭源的cugraph-ops组件。对于只需要使用SSSP等基础算法的用户，可以通过添加--without_cugraphops参数来跳过这部分依赖的构建：

./build.sh clean
./build.sh libcugraph --without_cugraphops

2. NCCL库依赖

多GPU功能需要NCCL库支持。对于仅需要单GPU功能的用户，可以通过以下方式安装NCCL：

wget cuda-keyring安装包
sudo dpkg -i cuda-keyring_1.0-1_all.deb
sudo apt update
sudo apt install libnccl2 libnccl-dev

3. 内存不足问题

在笔记本等内存有限的设备上构建时，可能会遇到内存不足导致编译过程被终止的问题。这是因为部分CUDA源文件编译时需要大量主机内存。解决方案包括：

• 使用内存更大的系统进行构建
• 等待cugraph 24.08及以后版本，其中已将大文件拆分为更小的编译单元

构建优化建议

对于仅需要单GPU功能的用户，可以考虑以下优化方案：

1. 在CMakeLists.txt中注释掉所有以_mg结尾的源文件（多GPU实现）
2. 在tests/CMakeLists.txt中也做相应修改
3. 移除对NCCL的依赖引用

这样可以显著减少构建时的资源需求。

替代方案

对于大多数用户，推荐直接使用conda安装预编译版本，这可以避免复杂的构建过程：

conda install -c rapidsai -c nvidia -c conda-forge cugraph

预编译版本已经包含了必要的头文件和库，适合在支持的架构上直接使用。

技术展望

cugraph项目正在持续改进构建系统，特别是在25.08版本中计划进行以下改进：

• 进一步优化编译内存需求
• 改善单GPU和多GPU代码的分离
• 完善构建文档，明确列出所有依赖项

这些改进将使cugraph项目更容易从源代码构建，特别是对于只需要部分功能的用户。

总结

本文详细介绍了在cugraph项目中构建单GPU版本SSSP的技术实践，包括环境准备、常见问题解决方案和构建优化建议。对于大多数用户，推荐使用conda安装预编译版本；对于需要自定义构建的用户，可以通过跳过cugraph-ops和多GPU代码来简化构建过程。随着项目的持续发展，构建过程将变得更加友好和高效。