STAPL: standard template adaptive parallel library

这篇文章介绍了STAPL（Standard Template Adaptive Parallel Library），一个高生产力的并行编程框架。STAPL 主要为 C++ 开发者设计，扩展了 C++ 标准库（STL），统一支持共享和分布式内存的并行编程。文章主要内容可以总结为以下几点：

1. STAPL的目的和优势

• 提升并行编程生产力：STAPL 旨在简化并行程序开发，降低并行编程的门槛，提高可移植性和性能。
• STL风格接口：为并行 C++ 编程提供类似 STL 的接口，方便程序员上手。
• 自适应性强：能根据底层系统和数据自动调整，实现可移植的高性能。

2. STAPL的核心组件

• pContainers：分布式并行数据结构，类似于 STL 的容器（如 pArray, pVector, pList, pMap, pMatrix, pGraph），支持多线程安全、可组合和可扩展。
• pAlgorithms：并行算法库，支持诸如 map, reduce, prefix sums 等常用并行计算模式，允许通过“视图”机制灵活访问和分区数据。
• 运行时系统（RTS）：包括通信库（ARMI），调度器、执行器等，屏蔽了底层通信和同步的复杂性，支持同步和异步的远程方法调用（RMI），有良好的可扩展性和高效调度能力。

3. 层级抽象与用户适用范围

• 三层抽象：分别面向应用开发者、库开发者和运行时开发者，满足从入门到高级优化的不同用户需求。
• 自动与手动优化结合：新手可直接使用，专家可通过扩展和自定义进一步优化性能。

4. 与相关项目对比

• 与 PSTL、Intel TBB、POOMA、Chapel、X10 等主流并行库/语言对比，STAPL 支持更多架构类型（共享/分布式），强调自适应性和可扩展性，支持嵌套并行和灵活调度。
• 同时强调对不规则应用（如树、图）以及互操作性的支持。

5. 性能与实验

• 在 Cray XT4 超级计算机和 IBM 集群上进行实验，验证了 pContainers 和 pAlgorithms 的高可扩展性，支持多达数万处理器，性能优良且可移植。
• 举例展示了 pArray、pMatrix、pGraph 等数据结构和相关算法在弱扩展（weak scaling）实验下的表现。

6. 结论

• STAPL 提供了易用、可扩展、高性能的 C++ 并行编程基础架构，适用于各种并行环境，能够大大提高开发效率和代码的可移植性。
• 实验表明，STAPL 能够在多种架构上实现高效并行，易于应用到实际的大规模并行任务开发中。