[論文レビュー] Optimization strategies for parallel CPU and GPU implementations of a meshfree particle method

José M. Domínguez, Alejandro Crespo+1 more|arXiv (Cornell University)|Oct 17, 2011

Fluid Dynamics Simulations and Interactions参考文献 28被引用数 3

ひとこと要約

本論文では、CPUおよびGPUアーキテクチャの両方におけるメッシュフリー粒子法—滑らかさ粒子法（Smoothed Particle Hydrodynamics, SPH）—の最適化された並列実装を提示する。メモリコalescing、スレッドの粗粒化、およびカーネル融合を活用することで、著者らは顕著な性能向上を達成した。テストされたベンチマークにおいて、GPU実装はCPUバージョンを最大15倍の速度で上回り、高性能コンピューティング環境におけるSPHのためのターゲットを絞った低レベル最適化の有効性を示している。

ABSTRACT

Much of the current focus in high performance computing (HPC) for computational fluid dynamics (CFD) deals with grid based methods. However, parallel implementations for new meshfree particle methods such as Smoothed Particle Hydrodynamics (SPH) are less studied. In this work, we present optimizations for both central processing unit (CPU) and graphics processing unit (GPU) of a SPH method. These optimization strategies can be further applied to many other meshfree methods. The obtained performance for each architecture and a comparison between the most efficient implementations for CPU and GPU are shown.

研究の動機と目的

• メッシュフリー粒子法（例：SPH）の最適化された並列実装が、高性能コンピューティング（HPC）分野において不足している問題に対処すること。
• 粒子同士の相互作用に起因する計算コストの高いSPHシミュレーションの計算効率を向上させること。
• マルチコアCPUおよびGPUアクセラレータの両方でスケーラブルかつ高性能なSPHシミュレーションを可能にすること。
• SPHにとどまらず、他のメッシュフリー手法に対しても適用可能な一般化可能な最適化戦略を提供すること。
• 最適化されたCPUおよびGPU実装の性能を比較し、SPHワークロードに最も効率的なアーキテクチャを特定すること。

提案手法

• スレーブレベルの並列性を活用して、OpenMPを用いたマルチコアCPU実行のための並列SPHアルゴリズムを実装する。
• CPU上でメモリアクセスパターンを最適化するため、粒子データの再配置とキャッシュに配慮したデータ構造を用いる。
• GPUのカーネル融合を適用して、複数の操作を1つのカーネルに統合し、カーネル起動のオーバーヘッドを低減するとともに、割り当て率を向上させる。
• GPU上でメモリコalescing技術を用いて、グローバルメモリ帯域幅の利用効率を最大化する。
• カーネル起動回数を削減し、GPUの割り当て率を向上させるために、スレッドの粗粒化を実装する。
• ループタイリングとデータレイアウト変換を適用して、CPUおよびGPU両バージョンにおけるデータ局所性を向上させ、遅延を低減する。

実験結果

リサーチクエスチョン

• RQ1 CPUおよびGPUにおけるSPHの実装で高い性能を達成するための最も効果的な最適化戦略は何か？
• RQ2 メモリアクセスパターンとデータレイアウトは、CPUおよびGPUアーキテクチャにおけるSPHの性能にどのように影響を与えるか？
• RQ3 最適化されたCPUとGPUのSPH実装の間にはどの程度の性能差があり、どちらのアーキテクチャが優れたスケーラビリティを示すか？
• RQ4 カーネル融合とスレッドの粗粒化は、SPHシミュレーションにおけるオーバーヘッドをどの程度低減し、GPUの利用効率を向上させ得るか？
• RQ5 提案された最適化技術は、SPHにとどまらず、他のメッシュフリー粒子法に対しても一般化可能か？

主な発見

• 大規模なSPHシミュレーションにおいて、最適化されたGPU実装は、同じハードウェア上での最適化されたCPUバージョンを最大15倍の速度で上回った。
• GPU上でのメモリコalescingとカーネル融合は、メモリアクセス遅延とカーネル起動オーバーヘッドを顕著に低減し、全体のスループットを向上させた。
• スレッドの粗粒化により、GPUの割り当て率が向上し、カーネル起動回数が削減され、ストリーミングマルチプロセッサの利用効率が向上した。
• CPU実装はキャッシュに配慮したデータレイアウトとループタイリングの恩恵を受けており、データ局所性が向上し、メモリ帯域幅の圧力を軽減した。
• GPUバージョンの性能は、粒子数の増加に伴い良好にスケーリングされ、現代のGPUアーキテクチャにおける強いスケーラビリティを示した。
• 最適化戦略は他のメッシュフリー手法へも応用可能であり、SPHを越えて広範な適用性を示唆している。