稀疏矩阵是计算科学与工程中最为重要的研究内容之一。由于其 非零元的位置并不规则且难以预测，稀疏矩阵计算相比于稠密矩阵在 现代并行处理器上的优化难度更高。过去数十年间，稀疏线性代数子 程序（BLAS）中最重要的三个操作：稀疏矩阵-向量乘（sparse matrix-vector multiplication, SpMV），稀疏三角解（sparse triangular solve, SpTRSV ）和稀疏矩阵 - 矩 阵 乘 （ sparse matrix-matrix multiplication, SpGEMM）一直是人们研究的热点，也面临着不同的 性能挑战。本次报告将介绍我们针对现有挑战开发的利用分块结构优 化稀疏矩阵计算的开源软件包 BeidouBLAS（注：“北斗”寓意为一 个稀疏矩阵分块后的包含七个稀疏块的块稀疏结构）。首先，我们将 稀疏矩阵存储为大小相同的块，以获得更好的访存局部性和更高的带 宽利用率。其次，将稀疏块作为基本的计算单元，可以为每个块选择 最佳的存储格式和算法，从矩阵局部稀疏结构的角度提高性能。最后， 这种块结构可以让一个高层应用不经格式转换就调用优化的 SpMV， SpTRSV 及 SpGEMM 操作。我们将 BeidouBLAS 与最新的方法进行 了比较，实验表明，本工作性能明显优于现有方法。