[論文レビュー] Understanding GPU-Based Lossy Compression for Extreme-Scale Cosmological Simulations

Sian Jin, Pascal Grosset+5 more|arXiv (Cornell University)|Apr 1, 2020

Computational Physics and Python Applications被引用数 4

ひとこと要約

本論文では、Foresightフレームワークを用いてcuZFP や cuSZ のような圧縮アルゴリズムを評価することで、極大スケールの宇宙論的シミュレーションにおけるGPUベースの損失あり圧縮を提案する。5–15×の圧縮比を達成し、高いスループットを実現するとともに、特にパワー スペクトル やホール ファイナーの結果といった宇宙論特有の指標において、後続解析の忠実度を保持する。

ABSTRACT

To help understand our universe better, researchers and scientists currently run extreme-scale cosmology simulations on leadership supercomputers. However, such simulations can generate large amounts of scientific data, which often result in expensive costs in data associated with data movement and storage. Lossy compression techniques have become attractive because they significantly reduce data size and can maintain high data fidelity for post-analysis. In this paper, we propose to use GPU-based lossy compression for extreme-scale cosmological simulations. Our contributions are threefold: (1) we implement multiple GPU-based lossy compressors to our opensource compression benchmark and analysis framework named Foresight; (2) we use Foresight to comprehensively evaluate the practicality of using GPU-based lossy compression on two real-world extreme-scale cosmology simulations, namely HACC and Nyx, based on a series of assessment metrics; and (3) we develop a general optimization guideline on how to determine the best-fit configurations for different lossy compressors and cosmological simulations. Experiments show that GPU-based lossy compression can provide necessary accuracy on post-analysis for cosmological simulations and high compression ratio of 5~15x on the tested datasets, as well as much higher compression and decompression throughput than CPU-based compressors.

研究の動機と目的

• ペタバイト規模のデータを生成する極大スケールの宇宙論的シミュレーションにおける増大するI/Oおよびストレージのボトル neck を解決すること。
• 現代のスーパーコンピュータで顕著なパフォーマンスオーバーヘッド（例：全実行時間の10%以上）を引き起こすCPUベースの損失あり圧縮の限界を克服すること。
• 一般の圧縮指標に加え、宇宙論特有の解析を含む包括的な評価フレームワークを構築し、科学的後処理に適したデータ忠実度を保証すること。
• GPUベースの損失あり圧縮器に最適な設定を特定するための体系的な最適化ガイドラインを提供すること。
• 主要な天体物理学的特徴（例：ダークマターのホールやパワー スペクトル）の科学的正確性を維持しながら、最小限のパフォーマンス影響でイン・サイト圧縮を可能にすること。

提案手法

• ベンチマークおよび分析のためのオープンソースのForesightフレームワーク内に、GPUアクセcelerated版の損失あり圧縮アルゴリズム（cuZFPおよびcuSZ）を実装する。
• ForesightのPAT（Post-Analysis Toolkit）を用いて、パワー スペクトル分析やホールファイナーの結果を含む宇宙論特有の指標を用いてデータ忠実度を評価する。
• GPU-CPU間データ転送のオーバーヘッドを含めた圧縮および復元のスループットを測定し、リーダーシップクラスのシステムにおけるパフォーマンススケーラビリティを評価する。
• 誤差境界やブロックサイズなどの圧縮パラメータを体系的に変化させ、圧縮比、歪み、スループットの間のトレードオフを調査する。
• 一般指標（例：PSNR、MSE）とドメイン特化指標を統合して、再構築されたデータが科学的に使用可能であることを検証する。
• 3段階の最適化ガイドラインを開発する：(1) 複数の設定で圧縮アルゴリズムをベンチマークする、(2) 宇宙論的関連解析を用いて忠実度を検証する、(3) パower スペクトルおよびホールファイナー指標で許容可能な歪みを維持する最高の圧縮比設定を選択する。

実験結果

リサーチクエスチョン

• RQ1 GPUベースの損失あり圧縮は、宇宙論的後処理に適した十分なデータ忠実度を維持しながら、5–15×の高い圧縮比を達成できるか？
• RQ2 極大スケールのシミュレーションにおいて、GPUベースの圧縮はCPUベースの圧縮と比較して、スループットおよびI/Oパフォーランスオーバーヘッドの点で優れているか？
• RQ3 どの圧縮設定が再構築後にパワー スペクトルやホールの性質といった主要な宇宙論的特徴を保持するか？
• RQ4 誤差境界およびブロックサイズの最適な設定は何か？ それは科学的正確性を損なわずに圧縮比を最大化するか？
• RQ5 特定のシミュレーションデータに最適なGPUベースの損失あり圧縮器を選択するための統一された最適化ガイドラインを確立できるか？

主な発見

• GPUベースの損失あり圧縮は、実際のHACCおよびNyxのシミュレーションデータセット上で5–15×の圧縮比を達成し、宇宙論的解析に高い忠実度を維持している。
• cuZFPおよびcuSZは、CPUベースの実装と比較して著しく高い圧縮および復元スループットを示し、I/Oオーバーヘッドを低減し、過去のCPUベースの手法で見られた10%を超えるパフォーマンス劣化を回避している。
• 全テスト設定において再構築データのパワー スペクトルが許容可能な誤差範囲内に保たれており、大規模構造情報の保持が確認された。
• ホールファイナーの結果では、元データと再構築データの間に最小限の乖離が観察され、最適な圧縮設定下でダークマターのホール特性が保持されていることが確認された。
• 提案された最適化ガイドラインは、パワー スペクトルおよびホールファイナー指標の両方で許容可能な歪みを維持する最高の圧縮比設定を的確に特定した。
• スループット測定では、Summit上でGPUベースの圧縮カーネルが最大で約2 TB/sに達しており、CPU-GPU転送を含めたエンドツーエンドのスループットも1 TB/sを超えており、極大スケールのシミュレーションにおけるイン・サイト圧縮が実現可能であることが示された。