[論文レビュー] The GPU vs Phi Debate: Risk Analytics Using Many-Core Computing

Blesson Varghese|arXiv (Cornell University)|Jan 26, 2015

Distributed and Parallel Computing Systems参考文献 25被引用数 5

ひとこと要約

本稿は、再保険におけるハイパフォーマンスリスク分析のためのGPUおよびIntel Xeon Phiアクセラレータを評価し、主な不確実性と二次的不確実性の両方をモデル化する集約リスク分析（ARA）に焦点を当てる。CPU、GPU、ハイブリッドプラットフォームにおけるARAの並列アルゴリズムを提案し、その結果、Phiが原始的な性能では優れている（80万回の試行でGPUの55秒対比42秒）ものの、GPU-CPUハイブリッドが実用的性能で最も優れており（41秒）、Phi-CPUを50%以上上回り、ベースラインCPU実行に比べ16倍の高速化を達成した。

ABSTRACT

The risk of reinsurance portfolios covering globally occurring natural catastrophes, such as earthquakes and hurricanes, is quantified by employing simulations. These simulations are computationally intensive and require large amounts of data to be processed. The use of many-core hardware accelerators, such as the Intel Xeon Phi and the NVIDIA Graphics Processing Unit (GPU), are desirable for achieving high-performance risk analytics. In this paper, we set out to investigate how accelerators can be employed in risk analytics, focusing on developing parallel algorithms for Aggregate Risk Analysis, a simulation which computes the Probable Maximum Loss of a portfolio taking both primary and secondary uncertainties into account. The key result is that both hardware accelerators are useful in different contexts; without taking data transfer times into account the Phi had lowest execution times when used independently and the GPU along with a host in a hybrid platform yielded best performance.

研究の動機と目的

• 再保険ポートフォリオのリスク分析を高速化するためのGPUおよびIntel Xeon Phiアクセラレータの性能を評価すること。
• 主な不確実性（イベント発生）と二次的不確実性（損失分布のばらつき）の両方を考慮する集約リスク分析（ARA）の並列アルゴリズムの開発および実装。
• 実際のリスクシミュレーションワークロードにおけるスタンドアロンアクセラレータとハイブリッドCPU-アクセラレータプラットフォームの性能を比較すること。
• メモリアクセスと統計計算（特に非対称ベータ分布の逆累積分布関数）に起因する性能ボトルネックを特定すること。
• 金融セクターにおけるハイパフォーマンスで低コストなリスク分析のためのハードウェアアクセラレータ選定に関する実用的知見を提供すること。

提案手法

• CUDAおよびOpenMPを用いて、マルチコアCPU（Intel i7、Xeon）、NVIDIA GPU、Intel Xeon Phi上で並列ARAシミュレーションを実装。
• ステートフルイベントカタログおよび露出データベースを用いて、主な不確実性（イベント発生）と二次的不確実性（損失分布のばらつき）をモデル化するアルゴリズムを設計。
• 特に高帯域幅処理において重要な、イベントデータおよび損失セットの取得にかかる遅延を低減するためのメモリアクセスパターンを最適化。
• 非対称ベータ分布の逆累積分布関数（逆CDF）を含む統計関数を統合。
• データ転送オーバーヘッドを含めた実際のパフォーマンスを評価するため、ハイブリッドおよびスタンドアロン構成における実行時間を測定。
• 一貫性のあるベンチマークを確保するため、80万回の試行、各試行で1,000件のイベントおよび16つの拡張済みイベント損失表（ELTs）を含む標準化されたシミュレーションワークロードを用いた。

実験結果

リサーチクエスチョン

• RQ1 GPUおよびIntel Xeon Phiアクセラレータは、主な不確実性と二次的不確実性を含む集約リスク分析において、原始的実行性能でどのように比較されるか？
• RQ2 スタンドアロンアクセラレータ（例：Xeon Phi）とハイブリッドCPU-アクセラレータシステムとを比較した場合、データ転送オーバーヘッドが実用的パフォーマンスに与える影響は何か？
• RQ3 メモリアクセスパターンと統計計算（特に非対称ベータ分布の逆CDF）は、リスクシミュレーションワークロード全体のパフォーマンスにどのように影響を与えるか？
• RQ4 データ転送時間を除いた場合、Xeon PhiはGPUを上回るパフォーマンスを達成できるか？また、これは実際の展開環境においても関係があるか？
• RQ5 大規模リスク分析において、エンドツーエンド実行時間を最小化する最適なハードウェア構成（スタンドアロン対ハイブリッド）は何か？

主な発見

• データ転送時間を除いた状況では、Intel Xeon Phiが80万回のARA試行を42秒で実行し、GPUの55秒を上回る原始的実行性能を示した。
• GPU-CPUハイブリッドプラットフォームは、同じシミュレーションを41秒で完了し、Xeon-Phiの組み合わせ（63秒）よりも50%以上高速であった。
• GPU-CPUハイブリッドシステムは、Intel i7プロセッサ上でのベースライン逐次実行に比べ16倍の高速化を達成した。
• 原始的実行性能が優れていたにもかかわらず、Xeon Phiは80万回の試行をメモリにコピーするオーバーヘッドが極めて高いため、大多数の実用的応用には不適切であった（3時間以上を要）。
• GPUではメモリアクセス（イベントおよび損失セットの取得）が合計実行時間の39%を占め、CPUでは27%を占めており、メモリ帯域幅が依然として重要なボトルネックであることが示された。
• 非対称ベータ分布の逆CDFの計算は、CPUおよびアクセラレータ実装の両方で50%以上の時間を占めており、最適化が必要な主要なパフォーマンスボトルネックであることが浮き彫りになった。