グラフ‐ごひゃく【Graph500】
Graph500
別名:グラフ500,グラフ500ランキング
Graph500とは、スーパーコンピュータのグラフ処理における速度を計測するベンチマークおよびその結果のランキングである。2010年に開始された。
Graph500ではグラフ理論におけるグラフのエッジ(枝)を幅優先探索により辿る速度が指標として用いられる。単位はTEPS(Traversed Edges Per Second)である。TEPSの値が高ければ高いほど、より高速にグラフ処理を行うことが可能であることになる。ビッグデータを用いたデータマイニングや、SNSのソーシャルグラフの分析、Web検索、ITS(高度道路交通システム)などで重視される大規模データ処理の性能を計測する指標として注目されている。
スーパーコンピュータの性能を計測・比較するベンチマークとしては、1990年代前半から実施されている「スーパーコンピュータTOP500」ランキングが知られている。これはコンピュータシステムの浮動小数点演算の速度を指標としている。浮動小数点演算の速度は、物理現象のシミュレーションなどにおいて重視されるが、必ずしもあらゆるデータの処理速度を左右する指標となるわけではない。近年、データ集約(データインテンシブ)分野の重要性が高まるにつれて、指標が一面的であるとの声が高まりつつあった。
2010年11月に初めて公表されたGraph500ランキングでは、IBMのBlueGeneをベースとする「Intrepid」システムが第1位となった。処理速度は7.0867ギガTEPS(GTEPS)である。2013年6月のランキングでは、同じくBlueGeneベースの「Sequoia」(セコイア)システムが第1位となり、京速コンピュータ「京」が第4位にランクインしている。
2014年6月に発表されたGraph500ランキングでは京速コンピュータ「京」がセコイアを抜いて第1位の座を獲得している。
参照リンク
Graph500
スーパーコンピュータ「京」がGraph500で世界第1位を獲得 - (理化学研究所 2014年6月24日)
Graph500
出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2024/11/18 00:37 UTC 版)
Graph500は、グラフ(ネットワーク構造)探査性能ベースのベンチマークに基づく高性能計算コンピュータのランキングである。
概要
高性能計算コンピュータのベンチマークとしてHPLやHPCG(Conjugate Gradient、共役勾配法)がよく用いられている。HPLとHPCGは、密行列もしくは疎行列を要素とする大規模な連立一次方程式を解くというベンチマークである。しかし、近年では高性能計算コンピュータを用いて大量のデータ処理を行う需要が高まってきている。そのような処理の性能の特性や必要とされるアーキテクチャの要件は、HPLやHPCGとは根本的に異なるため、新たな性能指標が必要になった[1]。
このような背景から、グラフ探査性能ベースのベンチマークに基づく性能ランキングであるGraph500が誕生した。Graph500では性能指標として、TEPS(Traversed Edges Per Second 1秒間にたどるグラフのエッジ数)を用いる。また、Graph500のベンチマークに対する電力効率を測るため、TEPSを消費電力で割った値(TEPS/W)を性能指標としたランキングGreen Graph500もある。Graph500およびGreen Graph500は、毎年6月ごろにドイツで開催される国際会議International Supercomputing Conference (ISC)と毎年11月ごろに米国で開催される国際会議Supercomputing Conference (SC)の時期に発表される。
Graph500で採用されているベンチマークは、次の3つのカーネルから構成される[2]。
グラフ構築は性能ランキングには関係なく、幅優先探索と単一始点最短経路についてのみ個別にランキングが行われる。単一始点最短経路は2017年11月に新しく追加されたカーネルである。性能評価では、ランダムに64個の頂点が始点として選ばれ,順番に各カーネルが実行される。そして,64試行の調和平均が性能値に用いられる。
幅優先探索のランキング
2024年11月[3]
1位の富岳の性能が約22.9%向上した。プログラムスケールも1つ大きくなり、過去のGraph500の中で最大のグラフを利用している。また、3位に新しいシステムであるEOS NVIDIA DGX SUPERPODがランクインした。BFSの実装にはRAPIDS cuGraphが利用されている。
順位 | 設置場所 | システム | ノード数 | プログラムスケール | GTEPS |
---|---|---|---|---|---|
1 | 理化学研究所計算科学研究センター(日本) | 富岳(富士通) | 152064 | 43 | 204068 |
2 | Wuhan Supercomputing Center(中国) | Wuhan Supercomputer | 252 | 41 | 115358 |
3 | NVIDIA Corporation(米国) | EOS NVIDIA DGX SUPERPOD | 416 | 38 | 39085 |
4 | Oak Ridge National Laboratory(米国) | Frontier | 9248 | 40 | 29655 |
5 | Pengcheng Lab(中国) | Pengcheng Cloudbrain-II | 448 | 40 | 28463 |
2024年6月[4]
1位の富岳の性能が約19.6%向上した。また、5位に新しいシステムであるAuroraがランクインした。3位のFrontierと同様に、Auroraも理化学研究所が開発した幅優先探索アルゴリズムを利用している。
順位 | 設置場所 | システム | ノード数 | プログラムスケール | GTEPS |
---|---|---|---|---|---|
1 | 理化学研究所計算科学研究センター(日本) | 富岳(富士通) | 152064 | 42 | 166029 |
2 | Wuhan Supercomputing Center(中国) | Wuhan Supercomputer | 252 | 41 | 115358 |
3 | Oak Ridge National Laboratory(米国) | Frontier | 9248 | 40 | 29655 |
4 | Pengcheng Lab(中国) | Pengcheng Cloudbrain-II | 448 | 40 | 28463 |
5 | Argonne National Laboratory(米国) | Aurora | 4096 | 40 | 24250 |
2023年11月[5]
順位は変化なしだが、1位と4位のシステムは性能が上がっている。逆に、2位のシステムはプログラムスケールは1つ上がったものの、性能は下がっている。
順位 | 設置場所 | システム | ノード数 | プログラムスケール | GTEPS |
---|---|---|---|---|---|
1 | 理化学研究所計算科学研究センター(日本) | 富岳(富士通) | 152064 | 42 | 138867 |
2 | Wuhan Supercomputing Center(中国) | Wuhan Supercomputer | 252 | 41 | 115358 |
3 | Oak Ridge National Laboratory(米国) | Frontier | 9248 | 40 | 29655 |
4 | Pengcheng Lab(中国) | Pengcheng Cloudbrain-II | 448 | 40 | 28463 |
5 | 国家スーパー計算無錫センター(中国) | 神威・太湖之光(NRCPC) | 40768 | 40 | 23756 |
2023年6月[6]
富岳は1位を維持。ただし、ノード数は4.3%減ったにもかかわらず、性能は33.2%向上した[7]。2位と3位に新しいシステムがランクインした。3位のFrontierは理化学研究所が開発した幅優先探索アルゴリズムを利用している。
順位 | 設置場所 | システム | ノード数 | プログラムスケール | GTEPS |
---|---|---|---|---|---|
1 | 理化学研究所計算科学研究センター(日本) | 富岳(富士通) | 152064 | 42 | 137096 |
2 | Wuhan Supercomputing Center(中国) | Wuhan Supercomputer | 252 | 40 | 121804 |
3 | Oak Ridge National Laboratory(米国) | Frontier | 9248 | 40 | 29655 |
4 | Pengcheng Lab(中国) | Pengcheng Cloudbrain-II | 448 | 40 | 25243 |
5 | 国家スーパー計算無錫センター(中国) | 神威・太湖之光(NRCPC) | 40768 | 40 | 23756 |
2022年11月[8]
2位にPengcheng Labのシステムがランクインした。
順位 | 設置場所 | システム | ノード数 | プログラムスケール | GTEPS |
---|---|---|---|---|---|
1 | 理化学研究所計算科学研究センター(日本) | 富岳(富士通) | 158976 | 41 | 102955 |
2 | Pengcheng Lab(中国) | Pengcheng Cloudbrain-II | 448 | 40 | 25243 |
3 | 国家スーパー計算無錫センター(中国) | 神威・太湖之光(NRCPC) | 40768 | 40 | 23756 |
4 | 東京大学情報基盤センター(日本) | Wisteria/BDEC-01 (Odyssey)(富士通) | 7680 | 37 | 16118 |
5 | JAXA(日本) | TOKI-SORA(富士通) | 5760 | 36 | 10813 |
5位にEuroHPC/CSCのシステムがランクインした。2期連続同じランキングであった。
順位 | 設置場所 | システム | ノード数 | プログラムスケール | GTEPS |
---|---|---|---|---|---|
1 | 理化学研究所計算科学研究センター(日本) | 富岳(富士通) | 158976 | 41 | 102955 |
2 | 国家スーパー計算無錫センター(中国) | 神威・太湖之光(NRCPC) | 40768 | 40 | 23756 |
3 | 東京大学情報基盤センター(日本) | Wisteria/BDEC-01 (Odyssey)(富士通) | 7680 | 37 | 16118 |
4 | JAXA(日本) | TOKI-SORA(富士通) | 5760 | 36 | 10813 |
5 | EuroHPC/CSC(フィンランド) | LUMI-C(HPE) | 1492 | 38 | 8468 |
2021年6月[11]
3位に東京大学情報基盤センターのシステムがランクインした。なお、3位と4位のシステムはPRIMEHPC FX1000であり[11][12]、そのアーキテクチャは1位の「富岳」とほぼ同じである。
順位 | 設置場所 | システム | ノード数 | プログラムスケール | GTEPS |
---|---|---|---|---|---|
1 | 理化学研究所計算科学研究センター(日本) | 富岳(富士通) | 158976 | 41 | 102955 |
2 | 国家スーパー計算無錫センター(中国) | 神威・太湖之光(NRCPC) | 40768 | 40 | 23756 |
3 | 東京大学情報基盤センター(日本) | Wisteria/BDEC-01 (Odyssey)(富士通) | 7680 | 37 | 16118 |
4 | JAXA(日本) | TOKI-SORA(富士通) | 5760 | 36 | 10813 |
5 | オークリッジ国立研究所(米国) | Summit(IBM) | 2048 | 40 | 7666 |
2020年11月[13]
前回は「富岳」が利用したノード数は92,160であるが、今回のノード数は「富岳」のフルノードである158,976である。また、3位にJAXAのシステムが新たにランクインした。
順位 | 設置場所 | システム | ノード数 | プログラムスケール | GTEPS |
---|---|---|---|---|---|
1 | 理化学研究所計算科学研究センター(日本) | 富岳(富士通) | 158976 | 41 | 102955 |
2 | 国家スーパー計算無錫センター(中国) | 神威・太湖之光(NRCPC) | 40768 | 40 | 23756 |
3 | JAXA(日本) | TOKI-SORA(富士通) | 5760 | 36 | 10813 |
4 | オークリッジ国立研究所(米国) | Summit(IBM) | 2048 | 40 | 7666 |
5 | ライプニッツ・スーパーコンピューティング・センター(ドイツ) | SuperMUC-NG(レノボ) | 4096 | 39 | 6279 |
2020年6月[14]
「富岳」が1位を獲得。なお、「京」と「富岳」の所属組織は同じであるが、組織名称が計算科学研究機構から計算科学研究センターに変更された[15]。セコイアとMiraは運用終了のため、ランク外になった。
順位 | 設置場所 | システム | ノード数 | プログラムスケール | GTEPS |
---|---|---|---|---|---|
1 | 理化学研究所計算科学研究センター(日本) | 富岳(富士通) | 92160 | 40 | 70980 |
2 | 国家スーパー計算無錫センター(中国) | 神威・太湖之光(NRCPC) | 40768 | 40 | 23756 |
3 | オークリッジ国立研究所(米国) | Summit(IBM) | 2048 | 40 | 7666 |
4 | ライプニッツ・スーパーコンピューティング・センター(ドイツ) | SuperMUC-NG(レノボ) | 4096 | 39 | 6279 |
5 | ローレンス・バークレー国立研究所(米国) | NERSC Cori - 1024 haswell partition(クレイ) | 1024 | 37 | 2562 |
2019年11月[16]
「京」は運用終了のため、ランク外になった。
順位 | 設置場所 | システム | ノード数 | プログラムスケール | GTEPS |
---|---|---|---|---|---|
1 | 国家スーパー計算無錫センター(中国) | 神威・太湖之光(NRCPC) | 40768 | 40 | 23756 |
2 | ローレンス・リバモア国立研究所(米国) | セコイア(IBM) | 98304 | 41 | 23751 |
3 | アルゴンヌ国立研究所(米国) | Mira(IBM) | 49152 | 40 | 14982 |
4 | オークリッジ国立研究所(米国) | Summit(IBM) | 2048 | 40 | 7666 |
5 | ライプニッツ・スーパーコンピューティング・センター(ドイツ) | SuperMUC-NG(レノボ) | 4096 | 39 | 6279 |
2019年6月[17]
前回までは64試行の中央値が性能値として用いられてきたが、今回から64試行の調和平均が性能値として用いられることになった。そのため、「京」の前回の結果は38,621GTEPS(中央値)に対し、今回の結果は31,302GTEPS(調和平均)となっている[18]。
順位 | 設置場所 | システム | ノード数 | プログラムスケール | GTEPS |
---|---|---|---|---|---|
1 | 理化学研究所計算科学研究機構(日本) | 京(富士通) | 82944 | 40 | 31302 |
2 | 国家スーパー計算無錫センター(中国) | 神威・太湖之光(NRCPC) | 40768 | 40 | 23756 |
3 | ローレンス・リバモア国立研究所(米国) | セコイア(IBM) | 98304 | 41 | 23751 |
4 | アルゴンヌ国立研究所(米国) | Mira(IBM) | 49152 | 40 | 14982 |
5 | ライプニッツ・スーパーコンピューティング・センター(ドイツ) | SuperMUC-NG(レノボ) | 4096 | 39 | 6279 |
2018年11月[19]
順位 | 設置場所 | システム | ノード数 | プログラムスケール | GTEPS |
---|---|---|---|---|---|
1 | 理化学研究所計算科学研究機構(日本) | 京(富士通) | 82944 | 40 | 38621 |
2 | 国家スーパー計算無錫センター(中国) | 神威・太湖之光(NRCPC) | 40768 | 40 | 23756 |
3 | ローレンス・リバモア国立研究所(米国) | セコイア(IBM) | 98304 | 41 | 23751 |
4 | アルゴンヌ国立研究所(米国) | Mira(IBM) | 49152 | 40 | 14982 |
5 | ライプニッツ・スーパーコンピューティング・センター(ドイツ) | SuperMUC-NG(レノボ) | 4096 | 39 | 6279 |
5期連続同じランキングであった。
順位 | 設置場所 | システム | ノード数 | プログラムスケール | GTEPS |
---|---|---|---|---|---|
1 | 理化学研究所計算科学研究機構(日本) | 京(富士通) | 82944 | 40 | 38621 |
2 | 国家スーパー計算無錫センター(中国) | 神威・太湖之光(NRCPC) | 40768 | 40 | 23756 |
3 | ローレンス・リバモア国立研究所(米国) | セコイア(IBM) | 98304 | 41 | 23751 |
4 | アルゴンヌ国立研究所(米国) | Mira(IBM) | 49152 | 40 | 14982 |
5 | ユーリヒ総合研究機構(ドイツ) | JUQUEEN(IBM) | 16384 | 38 | 5848 |
2期連続同じランキングであった。
順位 | 設置場所 | システム | ノード数 | プログラムスケール | GTEPS |
---|---|---|---|---|---|
1 | 理化学研究所計算科学研究機構 | 京 (富士通) | 82944 | 40 | 38621 |
2 | ローレンス・リバモア国立研究所 | セコイア (Blue Gene/Q) | 98304 | 41 | 23751 |
3 | アルゴンヌ国立研究所 | IBM Mira (Blue Gene/Q) | 49152 | 40 | 14982 |
4 | ユーリヒ総合研究機構 | JUQUEEN (Blue Gene/Q) | 16384 | 38 | 5848 |
5 | CINECA | Fermi (Blue Gene/Q) | 8192 | 37 | 2567 |
2014年11月[27]
順位 | 設置場所 | システム | ノード数 | プログラムスケール | GTEPS |
---|---|---|---|---|---|
1 | ローレンス・リバモア国立研究所 | セコイア (Blue Gene/Q) | 98304 | 41 | 23751 |
2 | 理化学研究所計算科学研究機構 | 京 (富士通) | 82944 | 40 | 19585 |
3 | アルゴンヌ国立研究所 | IBM Mira (Blue Gene/Q) | 49152 | 40 | 14982 |
4 | ユーリヒ総合研究機構 | JUQUEEN (Blue Gene/Q) | 16384 | 38 | 5848 |
5 | CINECA | Fermi (Blue Gene/Q) | 8192 | 37 | 2567 |
2014年6月[28]
理化学研究所、東京工業大学、九州大学、ユニバーシティ・カレッジ・ダブリン、科学技術振興機構の合同チームによるアルゴリズム最適化によって、同一ハードウェアで3倍以上の高速化が実現した[29][30]。
順位 | 設置場所 | システム | ノード数 | プログラムスケール | GTEPS |
---|---|---|---|---|---|
1 | 理化学研究所計算科学研究機構 | 京 (富士通) | 65536 | 40 | 17977.1 |
2 | ローレンス・リバモア国立研究所 | セコイア (Blue Gene/Q) | 65536 | 40 | 16599 |
3 | アルゴンヌ国立研究所 | IBM Mira (Blue Gene/Q) | 49152 | 40 | 14328 |
4 | ユーリヒ総合研究機構 | JUQUEEN (Blue Gene/Q) | 16384 | 38 | 5848 |
5 | CINECA | Fermi (Blue Gene/Q) | 8192 | 37 | 2567 |
2期連続同じランキングであった。
順位 | 設置場所 | システム | ノード数 | プログラムスケール | GTEPS |
---|---|---|---|---|---|
1 | ローレンス・リバモア国立研究所 | セコイア (Blue Gene/Q) | 65536 | 40 | 15363 |
2 | アルゴンヌ国立研究所 | IBM Mira (Blue Gene/Q) | 49152 | 40 | 14328 |
3 | ユーリヒ総合研究機構 | JUQUEEN (Blue Gene/Q) | 16384 | 38 | 5848 |
4 | 理化学研究所計算科学研究機構 | 京 (富士通) | 65536 | 40 | 5524 |
5 | CINECA | Fermi (Blue Gene/Q) | 8192 | 37 | 2567 |
2012年11月[33]
順位 | 設置場所 | システム | ノード数 | プログラムスケール | GTEPS |
---|---|---|---|---|---|
1 | ローレンス・リバモア国立研究所 | セコイア (Blue Gene/Q) | 65536 | 40 | 15363 |
2 | アルゴンヌ国立研究所 | IBM Mira (Blue Gene/Q) | 32768 | 39 | 10461 |
3 | ユーリヒ総合研究機構 | JUQUEEN (Blue Gene/Q) | 16384 | 38 | 5848 |
4 | 理化学研究所計算科学研究機構 | 京 (富士通) | 65536 | 40 | 5524 |
5 | CINECA | Fermi (Blue Gene/Q) | 8192 | 37 | 2567 |
2012年6月[34]
Miraとセコイアは同率1位である。
順位 | 設置場所 | システム | ノード数 | プログラムスケール | GTEPS |
---|---|---|---|---|---|
1 | アルゴンヌ国立研究所 | IBM Mira (Blue Gene/Q) | 32768 | 38 | 3541 |
1 | ローレンス・リバモア国立研究所 | セコイア (Blue Gene/Q) | 32768 | 38 | 3541 |
3 | DARPA | Power 775 (IBM) | 1024 | 35 | 508.05 |
4 | 東京大学情報基盤センター | Oakleaf-FX (富士通) | 4800 | 38 | 358 |
5 | 東京工業大学学術国際情報センター | HP Cluster Platform (NEC/HP) | 1366 | 35 | 317 |
2011年11月[35]
前回まではプログラムスケールとTEPS値でランキングを決めていたが、今回からはTEPS値のみでランキングを決めるようになった[36]。
順位 | 設置場所 | システム | ノード数 | プログラムスケール | GTEPS |
---|---|---|---|---|---|
1 | NNSA and IBM Research | NNSA/SC (IBM) | 4096 | 32 | 253.403 |
2 | LBL | Hopper (Cray) | 1800 | 37 | 112.743 |
3 | Moscow State University | Lomonosov (MPP) | 4096 | 37 | 103.079 |
4 | 東京工業大学学術国際情報センター | TSUBAME (NEC/HP) | 1366 | 36 | 99.858 |
5 | ユーリヒ総合研究機構 | Jugene (IBM) | 64000 | 37 | 92.3418 |
2011年6月[37]
順位 | 設置場所 | システム | ノード数 | プログラムスケール | GTEPS |
---|---|---|---|---|---|
1 | Argonne National Laboratory | Intrepid (IBM) | 32768 | 38 | 18.4684 |
2 | ユーリヒ総合研究機構 | Jugene (IBM) | 32768 | 38 | 18.361 |
3 | Moscow State University | Lomonosov (MPP) | 4096 | 37 | 43.3792 |
4 | LBL | Hopper (Cray) | 1800 | 37 | 25.0182 |
5 | LBL | Franklin (Cray) | 4000 | 36 | 19.8642 |
2010年11月[38]
順位 | 設置場所 | システム | ノード数 | プログラムスケール | GTEPS |
---|---|---|---|---|---|
1 | Argonne National Laboratory | Intrepid (IBM) | 8192 | 36 | 7.0867 |
2 | NERSC | Franklin (Cray) | 9544 | 32 | 5.60493 |
3 | Pacific Northwest National Laboratory | cougarxmt (Cray) | 128 | 29 | 1.30997 |
4 | Sandia National Laboratories | graphstorm (Cray) | 128 | 29 | 1.25628 |
5 | Intel Corporation | Endeavor (Westmere) | 256 | 29 | 0.572304 |
脚注・出典
- NEC TSUBAME2.0がスパコンの世界ランキング「The Graph 500」にて世界3位! 2011年11月21日
- 東京工業大学 学術国際情報センター HPCI資源提供機関を利用した日本チームがスパコンの世界ランキング「The Graph 500」にて世界3位と4位!
- IT pro ビッグデータ解析性能を競う「Graph 500」で「京」が初の首位 2014年6月24日
- PC Watch ビッグデータ処理性能のスパコンランキングで日本勢が二冠 2014年6月25日
- ^ Richard C. Murphy, Kyle B. Wheeler, Brian W. Barrett, James A. Ang. Introducing the Graph 500, 2010
- ^ “Benchmark Specification”. Graph 500. 2020年6月30日閲覧。
- ^ “November 2024 BFS - Graph 500” (英語) (2024年11月17日). 2024年11月18日閲覧。
- ^ “June 2024 BFS - Graph 500” (英語) (2024年5月16日). 2024年5月17日閲覧。
- ^ “November 2023 BFS - Graph 500” (英語) (2023年11月17日). 2023年11月17日閲覧。
- ^ “June 2023 BFS - Graph 500” (英語) (2023年5月23日). 2023年5月23日閲覧。
- ^ https://www.riken.jp/pr/news/2023/20230522_4/index.html
- ^ “November 2022 BFS - Graph 500” (英語) (2022年11月17日). 2022年11月17日閲覧。
- ^ “November 2021 BFS | Graph 500” (英語). 2021年11月18日閲覧。
- ^ “June 2022 BFS - Graph 500” (英語) (2022年5月30日). 2022年5月31日閲覧。
- ^ a b “June 2021 BFS | Graph 500” (英語). 2021年7月2日閲覧。
- ^ “FUJITSU Supercomputer PRIMEHPCシリーズ : 富士通”. www.fujitsu.com. 2021年7月2日閲覧。
- ^ “November 2020 BFS, Graph 500”. 2020年11月17日閲覧。
- ^ “June 2020 BFS, Graph 500”. 2020年6月30日閲覧。
- ^ “組織名称変更のお知らせ”. 理化学研究所. 2020年6月30日閲覧。
- ^ “November 2019 BFS”. Graph500. 2020年6月30日閲覧。
- ^ “June 2019 BFS”. Graph500. 2020年6月30日閲覧。
- ^ “スーパーコンピュータ「京」がGraph500において9期連続で世界第1位を獲得”. 株式会社フィックスターズ. 2020年6月30日閲覧。
- ^ “November 2018 BFS”. Graph500. 2020年6月30日閲覧。
- ^ “June 2018 BFS”. Graph500. 2020年6月30日閲覧。
- ^ “November 2017 BFS”. Graph500. 2020年6月30日閲覧。
- ^ “June 2017 BFS”. Graph500. 2020年6月30日閲覧。
- ^ “November 2016 BFS”. Graph500. 2020年6月30日閲覧。
- ^ “June 2016 BFS”. Graph500. 2020年6月30日閲覧。
- ^ “November 2015 BFS”. Graph500. 2020年6月30日閲覧。
- ^ “July 2015 BFS”. Graph500. 2020年6月30日閲覧。
- ^ “November 2014 BFS”. Graph500. 2020年6月30日閲覧。
- ^ “June 2014 BFS”. Graph500. 2020年6月30日閲覧。
- ^ “ビッグデータ解析性能を競う「Graph 500」で「京」が初の首位”. ITPro. 2020年6月30日閲覧。
- ^ “スーパーコンピュータ「京」がGraph500で世界第1位を獲得”. 理化学研究所. 2020年6月30日閲覧。
- ^ “November 2013 BFS”. Graph500. 2020年6月30日閲覧。
- ^ “June 2013 BFS”. Graph500. 2020年6月30日閲覧。
- ^ “November 2012 BFS”. Graph500. 2020年6月30日閲覧。
- ^ “June 2012 BFS”. Graph500. 2020年6月30日閲覧。
- ^ “November 2011 BFS”. Graph500. 2020年6月30日閲覧。
- ^ 上野晃司,鈴村豊大郎.大規模グラフ処理ベンチマークGraph500への2次元分割の適用と性能評価.情報処理学会研究報告.Vol.2011-HPC-132 No.20
- ^ “June 2011 BFS”. Graph500. 2020年6月30日閲覧。
- ^ “November 2010 BFS”. Graph500. 2020年6月30日閲覧。
外部リンク
- Graph500のページへのリンク