[論文レビュー] Using Coloured Petri Nets for design of parallel raytracing environment

Štefan Korečko, Branislav Sobota|arXiv (Cornell University)|Mar 6, 2010

3D Modeling in Geospatial Applications参考文献 8被引用数 3

ひとこと要約

本稿では、クラスタ環境における並列レイトレーシングシステムの設計および分析のための色付きポエトニスネット（CPN）ベースのモデルを提示する。CPNツールを用いたシミュレーションベースの性能分析により、負荷分散および耐障害性を評価した結果、現実の状況下では通信オーバーヘッドおよびノード障害のため、10台を超えるノードを用いることで利得が減少することが判明した。

ABSTRACT

This paper deals with the parallel raytracing part of virtual-reality system PROLAND, developed at the home institution of authors. It describes an actual implementation of the raytracing part and introduces a Coloured Petri Nets model of the implementation. The model is used for an evaluation of the implementation by means of simulation-based performance analysis and also forms the basis for future improvements of its parallelization strategy.

研究の動機と目的

• クラスタアーキテクチャを用いたスケーラブルで耐障害性のある並列レイトレーシングシステムの設計。
• 形式的検証および性能シミュレーションのため、レイトレーシングプロセスを色付きポエトニスネット（CPNs）でモデル化すること。
• 異なるクラスタサイズおよび障害状態下での実装の性能評価。
• 並列化におけるボトルネックの同定および将来の負荷分散戦略の最適化を導くこと。
• 解析的検証とシミュレーションベースの性能分析を両立できる形式的モデリングフレームワークの確立。

提案手法

• レイトレーシングを状態遷移プロセスとしてモデル化し、色付きポエトニスネット（CPNs）を用いる。トークンはタイル、ノード、ジョブ状態を表す。
• 準備済み、レイトレーシング中、障害、回復済み、計算済みの状態を含み、ジョブ割り当て、レイトレーシング、障害検出、回復の遷移を定義する。
• レイトレーシング時間はタイルの特性から計算され、通信遅延はネットワークおよびマスターノードの競合を模擬するため指数分布の確率変数としてモデル化される。
• 障害検出は定期的チェックによりモデル化され、障害遅延はチェック周期の倍数として計算され、最大1日まで制限される。
• 本モデルは、障害なしの理想状態と、ノード障害や性能のばらつきを含む現実状態の両方のシミュレーションをサポートする。
• シーンの処理終了後に、レイトレーシング時間やノード使用状況などの性能データがログに記録され、シミュレーション後分析に用いられる。

実験結果

リサーチクエスチョン

• RQ1 理想状態および現実状態下で、クラスタサイズの増加に伴う並列レイトレーシングシステムの性能スケーリングはどのようになるか？
• RQ2 ノード障害および回復メカニズムは、全体のレイトレーシング時間とシステム信頼性にどのような影響を及ぼすか？
• RQ3 通信オーバーヘッドおよび負荷不均衡は、あるノード数を超えた段階で、スケーラビリティをどの程度制限するか？
• RQ4 CPNモデルは、性能シミュレーションおよびレイトレーシング戦略の形式的検証の両方に効果的に対応できるか？
• RQ5 耐障害性および通信コストを考慮した現在の実装において、効率的なレイトレーシングを実現する最適なノード数は何か？

主な発見

• 理想状態では、クラスタサイズの増加に伴いレイトレーシング時間は短縮され、ある点まではほぼ線形的なスループット向上が観察された。
• 現実状態では、ノード障害および通信遅延のため、レイトレーシング時間は長くなり、予測不可能になり、滑らかでない性能曲線となった。
• 現在の実装では、10台を超えるノードを用いることで利得が減少する。通信オーバーヘッドおよび障害処理の影響により、効率が低下するためである。
• モデルは耐障害行動（障害検出、回復、ノードの再統合）を効果的に捉えており、1日以内に再統合が完了することが確認された。
• CPNモデルは、効果的なシミュレーションベースの性能分析を可能にし、並列化戦略の反復的改善の基盤を提供した。
• システムの性能はノード障害率および通信遅延に極めて敏感であり、これらが総レンダリング時間に顕著な影響を及ぼした。