[논문 리뷰] An Exploration of OpenCL for a Numerical Relativity Application

Niket K. Choudhary, Rakesh Ginjupalli외 2명|arXiv (Cornell University)|2010. 10. 19.

Advanced Numerical Methods in Computational Mathematics참고 문헌 13인용 수 5

한 줄 요약

이 논문은 고성능 과학 계산을 위한 OpenCL의 성능을 평가하기 위해 수치相对성에서 사용되는 시간 영역 Teukolsky 방정식 해법기를 다양한 CPU와 GPU로 이식하였다. 이는 동일한 OpenCL 코드로 현대 GPU에서 CPU 대비 수십 배의 성능 향상을 달성했으며, 제조사나 아키텍처에 관계없이 거의 동일한 성능을 보였고, 하나의 고성능 GPU가 고속 인터커넥트를 갖춘 80코어 CPU 클러스터와 유사한 성능을 낼 수 있음을 보여주었다.

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.

연구 동기 및 목표

• 이상적이고 제조사에 관계없는 프레임워크로서 이방성 하드웨어에서 과학 계산을 위한 OpenCL의 이식성과 성능을 평가하기 위해.
• 실제 수치상대성 응용 분야인 Teukolsky 방정식의 시간 영역 유한차분 해법을 OpenCL를 사용하여 성능 향상을 평가하기 위해.
• 동일한 소스 코드를 사용하여 Intel, IBM, Nvidia, AMD 등의 다양한 CPU 및 GPU 플랫폼 간 성능을 비교하기 위해.
• 다양한 하드웨어 플랫폼 간 성능, 비용, 전력 효율성 간의 상호 교환 관계를 평가하기 위해.
• OpenCL가 최적화 잠재력을 유지하면서도 고성능과 코드 이식성을 동시에 달성할 수 있음을 보여주기 위해.

제안 방법

• 시간 영역 적분을 위해 2차 Lax-Wendroff 스킴을 사용하여 동일한 선형 히퍼볼릭 PDE 해법기를 구현하기 위해.
• 모든 계산 커널을 OpenCL 커널로 이식하여 CPU 및 GPU에서 실행 가능하게 하기 위해.
• 모든 대상 플랫폼(인텔 네할름, IBM 파wr7, Nvidia 페르미, AMD 레이던)에서 동일한 OpenCL 소스 코드를 사용하여 이식성 확보하기 위해.
• 이중 정밀도 부동소수점 산술을 사용하여 모든 플랫폼에서 GFLOPS 단위로 성능 측정하기 위해.
• 비용 대비 성능 및 전력 대비 성능 평가를 통해 비용 및 에너지 효율성 비교하기 위해.
• OpenCL 런타임을 사용하여 커널 컴파일, 데이터 이동, 이종 장치 간 실행 스케줄링 관리하기 위해.

실험 결과

연구 질문

• RQ1 OpenCL는 제조사별 최적화 없이도 다양한 CPU 및 GPU 아키텍처에서 고성능을 제공할 수 있는가?
• RQ2 GPU 가속에 기인한 성능 향상은 기반 하드웨어나 제조사에 따라 어느 정도 영향을 받는가?
• RQ3 과학적 PDE 해법기에서 단일 GPU의 성능은 다수의 노드로 구성된 소형 CPU 클러스터와 비교해 어떻게 되는가?
• RQ4 과학 계산을 위한 하드웨어 선택 시 성능, 비용, 전력 효율성 간의 상호 교환 관계는 어떠한가?
• RQ5 OpenCL를 통한 코드 이식성은 HPC 응용 프로그램의 개발 및 유지보수 노력에 얼마나 기여하는가?

주요 결과

• 하나의 고성능 GPU(Nvidia 페르미 또는 AMD 레이던)는 고속 인터커넥트를 갖춘 80코어 인텔 Xeon CPU 클러스터와 유사한 성능을 낸다.
• OpenCL는 x86(인텔) 및 PowerPC(IBM) 아키텍처를 포함한 다양한 아키텍처에서 동일한 소스 코드로 효율적으로 실행되며, CPU와 GPU에서 거의 동일한 성능을 보였다.
• 제조사나 기반 아키텍처에 관계없이 GPU를 사용할 경우 CPU 대비 성능 향상이 최대 한 계단 수준(약 10배)으로 달성되었다.
• AMD 레이던 GPU는 Nvidia 페르미 GPU와 유사한 성능을 보였지만, 비용은 5배 이상 낮고 약간 더 뛰어난 전력 효율성을 보였으며, 가장 비용 효율적인 옵션이었다.
• GPU는 CPU 대비 성능 대비 전력 소비 및 성능 대비 비용 모두에서 약 한 계단 수준의 향상을 보였다.
• OpenCL의 이식성 덕분에 동일한 커널 코드가 테스트한 모든 플랫폼에서 효율적으로 실행되어 개발 및 최적화 노력이 크게 감소하였다.