Meyers Arbeit konzentriert sich auf das Design und die Entwicklung von Algorithmen und Datenstrukturen für sehr große Datenmengen, insbesondere im Kontext von Parallelität (Shared-Memory, Cluster, GPUs, ...), Speicherhierarchien (Caches, SSDs, Festplatten, ...), und Energieeffizienz. Das Spektrum reicht von theoretischen Worst-Case-Ergebnissen über Average-Case-Analysen bis hin zur experimentellen Auswertung von Heuristiken.

Große Datenmengen werden oft in Form von Graphen dargestellt. Die strukturierte Traversierung dieser Graphen ist ein notorisch schwieriges Problem sowohl im parallelen Umfeld als auch für Speicherhierarchien. Die Verwendung von  Algorithmen mit besseren Zugriffsmustern in Worst-Case-effizienten Implementierungen haben wir bereits eine mehr als tausendfache Beschleunigung gegenüber dem bisherigen Stand der Technik erreicht. In ähnlicher Weise haben wir DFS Suchheuristiken, die für die speichereffiziente Analyse von Web-Graphen verwendet werden können, Telekommunikationsdaten (Anrufgraphen) oder großen sozialen Netzwerken eingesetzt werden können. Neuere Arbeit hat sich auf speichereffiziente Graphenexploration in sich dynamisch veränderten Daten, Näherungslösungen sowie die effiziente Erzeugung von randomisierten Graphen-Testdaten.

Fellow Detail