[論文レビュー] An Exploration of OpenCL for a Numerical Relativity Application

Niket K. Choudhary, Rakesh Ginjupalli+2 more|arXiv (Cornell University)|Oct 19, 2010

Advanced Numerical Methods in Computational Mathematics参考文献 13被引用数 5

ひとこと要約

この論文は、数値相対性理論で用いられる時間領域Teukolsky方程式のソルバーを、多様なCPUおよびGPUに移植することで、OpenCLを高性能科学計算のための手法として評価している。同様のOpenCLコードが、最新のGPUではCPUに比べて1桁の性能向上を達成しており、ベンダーまたはアーキテクチャに依存しない結果を示しており、1つのハイエンドGPUが80コアのCPUクラスタと同等の性能を発揮することを示している。

ABSTRACT

Currently there is considerable interest in making use of many-core processor architectures, such as Nvidia and AMD graphics processing units (GPUs) for scientific computing. In this work we explore the use of the Open Computing Language (OpenCL) for a typical Numerical Relativity application: a time-domain Teukolsky equation solver (a linear, hyperbolic, partial differential equation solver using finite-differencing). OpenCL is the only vendor-agnostic and multi-platform parallel computing framework that has been adopted by all major processor vendors. Therefore, it allows us to write portable source-code and run it on a wide variety of compute hardware and perform meaningful comparisons. The outcome of our experimentation suggests that it is relatively straightforward to obtain order-of-magnitude gains in overall application performance by making use of many-core GPUs over multi-core CPUs and this fact is largely independent of the specific hardware architecture and vendor. We also observe that a single high-end GPU can match the performance of a small-sized, message-passing based CPU cluster.

研究の動機と目的

• 異種ハードウェア上で科学計算に適したポータブルでベンダーに依存しないフレームワークとしてのOpenCLの評価。
• 時間領域有限差分法によるTeukolsky方程式の数値相対性理論的応用における、OpenCLを用いた性能向上の評価。
• 同じソースコードを用いて、Intel、IBM、Nvidia、AMDの複数のCPUおよびGPUプラットフォーム間での性能比較。
• 異なるハードウェアプラットフォームにおける性能、コスト、パワー効率のトレードオフの評価。
• OpenCLが最適化の可能性を損なわず、高性能とコードのポータビリティを両立させることの証明。

提案手法

• 時間領域積分に2次Lax-Wendroffスキームを用いた、均一で線形かつ双曲型のPDEソルバーを実装。
• ソルバーのすべての計算カーネルをOpenCLカーネルに移植し、CPUおよびGPUでの実行を可能にした。
• すべてのターゲットプラットフォーム（Intel Nehalem、IBM Power7、Nvidia Fermi、AMD Radeon）で同じOpenCLソースコードを用いて、ポータビリティを確保した。
• 倍精度浮動小数点演算を用いて、すべてのプラットフォームでGFLOPS単位の性能を測定した。
• コスト効率およびエネルギー効率を比較するため、性能/ドルおよび性能/ワットを評価した。
• OpenCLランタイムを用いて、カーネルのコンパイル、データ転送、実行スケジューリングを異種デバイス間で管理した。

実験結果

リサーチクエスチョン

• RQ1 OpenCLは、ベンダー固有のチューニングなしに、多様なCPUおよびGPUアーキテクチャで高い性能を発揮できるか？
• RQ2 GPUアクセラレーションによる性能向上は、下位のハードウェアやベンダーにどの程度依存するか？
• RQ3 科学的PDEソルバーにおいて、1つのGPUの性能は、小規模なマルチノードCPUクラスタに比べてどの程度か？
• RQ4 科学計算のためのハードウェア選定において、性能、コスト、パワー効率のトレードオフはどのようなものか？
• RQ5 OpenCLによるコードポータビリティは、HPCアプリケーションにおける開発および保守作業の負担をどの程度軽減できるか？

主な発見

• 1つのハイエンドGPU（Nvidia FermiまたはAMD Radeon）が、高速な相互接続を持つ80コアのIntel Xeon CPUクラスタと同等の性能を発揮した。
• OpenCLにより、x86（Intel）およびPowerPC（IBM）を含む多様なアーキテクチャ上で同じソースコードが効率的に実行可能であり、CPUおよびGPU間でほぼ同一の性能を達成した。
• ベンダーおよび下位アーキテクチャに依存せず、GPUを用いることでCPUに比べて最大1桁の性能向上が達成された。
• AMD Radeon GPUはNvidia Fermi GPUと同等の性能を発揮したが、コストは5倍以上低く、わずかに優れたパワー効率を示し、最もコスト効率の高い選択肢となった。
• GPUでは、CPUに比べて性能/ワットおよび性能/ドルが1桁向上した。
• OpenCLのポータビリティにより、同じカーネルコードがすべてのテスト済みプラットフォームで効率的に実行可能となり、開発および最適化作業の負担が顕著に削減された。