[논문 리뷰] Finding Neighbors in a Forest: A b-tree for Smoothed Particle Hydrodynamics Simulations

Aurélien Cavelan, Rubén M. Cabezón외 2명|arXiv (Cornell University)|2019. 10. 07.

Fluid Dynamics Simulations and Interactions참고 문헌 23인용 수 12

한 줄 요약

이 논문은 매끄러운 입자 유체역학(SPH) 시뮬레이션을 위한 새로운 적응형 트리 구조인 $b$-트리를 소개한다. 이 트리는 높은 동적 조정 가능 분기 수를 사용하여 트리 깊이를 최소화한다. 균일한 분포에서 $O(n)$ 이웃 찾기 복잡도를 달성함으로써 오кт리(Octree)의 $O(n\log n)$ 복잡도와 대비하여, 트리 구축 속도가 최대 12배 빠르고, 이웃 검색 속도가 최대 1.6배 빨라지며, 실제 SPH 코드(SPHYNX)에서 최대 5배의 성능 향상을 이룬다.

ABSTRACT

Finding the exact close neighbors of each fluid element in mesh-free computational hydrodynamical methods, such as the Smoothed Particle Hydrodynamics (SPH), often becomes a main bottleneck for scaling their performance beyond a few million fluid elements per computing node. Tree structures are particularly suitable for SPH simulation codes, which rely on finding the exact close neighbors of each fluid element (or SPH particle). In this work we present a novel tree structure, named extit{$b$-tree}, which features an adaptive branching factor to reduce the depth of the neighbor search. Depending on the particle spatial distribution, finding neighbors using ree has an asymptotic best case complexity of $O(n)$, as opposed to $O(n \log n)$ for other classical tree structures such as octrees and quadtrees. We also present the proposed tree structure as well as the algorithms to build it and to find the exact close neighbors of all particles. We assess the scalability of the proposed tree-based algorithms through an extensive set of performance experiments in a shared-memory system. Results show that b-tree is up to $12 imes$ faster for building the tree and up to $1.6 imes$ faster for finding the exact neighbors of all particles when compared to its octree form. Moreover, we apply b-tree to a SPH code and show its usefulness over the existing octree implementation, where b-tree is up to $5 imes$ faster for finding the exact close neighbors compared to the legacy code.

연구 동기 및 목표

• 대규모 입자 수에서 발생하는 정확한 이웃 찾기로 인한 SPH 시뮬레이션의 성능 저하 문제를 해결하기 위해.
• 특히 비균일하고 동적인 입자 분포에서 메쉬 없는 SPH 방법의 이웃 검색 계산 비용을 줄이기 위해.
• 트리 깊이를 최소화하고 이웃 검색 속도를 높이면서도 로드 밸런스와 메모리 효율성을 유지하는 트리 구조를 설계하기 위해.
• 트리 구축 및 이웃 찾기 알고리즘 최적화를 통해 공유 메모리 시스템에서 SPH 시뮬레이션의 확장성과 성능을 향상시키기 위해.
• 신규 트리 구조를 실제 천체 물리학용 SPH 코드에 통합하여 실세계 환경에서의 성능 향상 여부를 검증하기 위해.

제안 방법

• 입자 밀도와 공간 분포에 따라 동적으로 조정 가능한 분기 수를 가진 새로운 트리 구조인 $b$-트리를 제안한다.
• 상수 시간($O(1)$) 셀 검색을 가능하게 하여 트리 구축 및 탐색 중 하위 셀에 대한 빠른 접근을 보장하기 위해 정규 격자 매핑을 사용한다.
• 성장 제어와 과도한 메모리 사용 방지를 위해 최대 입자 수 per 셀(버킷 크기) 및 최대 빈 하위 셀 수라는 두 가지 제약 조건을 도입한다.
• 블록 처리 및 캐시 우수한 접근 방식을 사용하여 트리 구축 및 이웃 찾기 알고리즘을 구현하며, 블록 행렬 곱셈에서 영감을 얻었다.
• 메모리 재정렬(입자들을 트리 탐색 경로에 따라 재배치)과 블록 루프 스케줄링을 적용하여 캐시 재사용과 로드 밸런싱을 향상시킨다.
• SPHYNX 코드베이스에 $b$-트리를 통합하고, 실제 SPH 시험 케이스를 사용하여 기존 오кт리 구현과의 성능을 비교한다.

실험 결과

연구 질문

• RQ1 적응형 고분기 수 트리가 SPH 시뮬레이션에서 이웃 찾기의 점근적 복잡도를 $O(n\log n)$ 이하로 낮출 수 있는가?
• RQ2 균일 및 비균일 입자 분포 조건에서 $b$-트리의 구축 및 이웃 찾기 시간이 고전적 오кт리와 비교해 어떻게 성능을 내는가?
• RQ3 $b$-트리가 실제 SPH 시뮬레이션 코드인 SPHYNX에서 얼마나 성능 향상을 이룰 수 있는가?
• RQ4 OpenMP 스케줄링 전략의 선택이 $b$-트리 이웃 찾기 워크로드에서 로드 밸런싱과 성능에 어떤 영향을 미치는가?
• RQ5 $b$-트리가 다양한 입자 밀도 범위와 시뮬레이션 워크로드에서 높은 성능과 확장성을 유지할 수 있는가?

주요 결과

• 균일하게 분포된 3차원 입자 집합에서 $b$-트리는 트리 구축과 이웃 찾기 모두 $O(n)$ 복잡도를 달성하며, 오кт리의 $O(n\log n)$ 복잡도와 대비된다.
• 재귀 깊이 감소와 재분배 단계 감소로 인해 $b$-트리의 구축 속도는 오кт리 대비 최대 12배 빠르다.
• 비균일 분포에서 $b$-트리의 이웃 찾기 성능은 오кт리 대비 최대 1.6배 빠르며, 특히 이 경우에서 두드러진다.
• SPHYNX 코드에 통합된 결과, $b$-트리는 기존 오кт리 대비 FindNeighbors 커널의 실행 속도를 최대 5배 빠르게 한다.
• 모든 OpenMP 스케줄링 전략에서 $b$-트리가 오кт리보다 뛰어난 성능을 보이며, 동적 스케줄링은 더 나은 로드 밸런싱을 제공하지만 상당한 오버헤드가 발생한다.
• 블록 처리 및 캐시 인식 구현된 $b$-트리 알고리즘은 데이터 국소성을 크게 향상시키고 메모리 접근 지연을 감소시켜 성능 향상에 기여한다.