SNI-GNN：SmartNIC 辅助全图 GNN 训练与网内嵌入预测

arXiv:2608.06441v1 公告类型：新 摘要：全图 GNN 训练具有很高的准确性，但由于节点间嵌入交换繁重、不规则，在多服务器集群上的扩展性很差。我们提出了 SNI-GNN，这是一种 SmartNIC 辅助的全图训练系统，它通过预测网络中的远程嵌入来减少通信，同时保持准确性。 SNI-GNN 在 SmartNIC 上部署轻量级线性趋势预测器，以细化缓存的历史嵌入，并结合基于重要性的边界节点采样策略和具有中间结果重用的异步 DPU-GPU 数据管道。我们提供了误差和收敛界限，表明预测器偏差在有界二阶动力学下仍然受到控制，并产生具有不精确梯度的标准非凸收敛。 SNI-GNN 在 NVIDIA BlueField-3 上实现，与最先进的全图系统集成，将通信减少 21--45%，与 BNS-GCN 相比实现 1.3--3.6$\times$ 端到端加速，比基线 SANCUS 提高高达 1.29$\times$，精度损失 $\leq 0.01$，并可有效扩展到 16 个 GPU具有多达数千万条边的图。这些结果表明，基于 SmartNIC 的网内预测是对大规模通信高效全图 GNN 训练的分区和压缩技术的实用补充。