[논문 리뷰] Lossless data compression on GPGPU architectures

Axel Eirola|arXiv (Cornell University)|2011. 09. 11.

Algorithms and Data Compression참고 문헌 7인용 수 4

한 줄 요약

이 논문은 GPGPU 아키텍처를 활용하여 손실 없는 데이터 압축, 특히 bzip2의 가속화 가능성에 대해 조사한다. 주로 누적합과 정렬과 같은 병렬 원천(primitive)을 활용한다. 핵심적으로 압축 단계인 MTF와 VLE는 GPU 최적화 알고리즘을 통해 효율적으로 병렬화될 수 있음을 보여주지만, 해프만 코드화는 트리 구축 과제로 인해 여전히 성능 저하 요인이 되며, 고속도 시나리오에서는 사전 계산된 테이블이 유의미한 대안이 된다.

ABSTRACT

Modern graphics processors provide exceptional computa- tional power, but only for certain computational models. While they have revolutionized computation in many fields, compression has been largely unnaffected. This paper aims to explain the current issues and possibili- ties in GPGPU compression. This is done by a high level overview of the GPGPU computational model in the context of compression algorithms; along with a more in-depth analysis of how one would implement bzip2 on a GPGPU architecture.

연구 동기 및 목표

• 손실 없는 데이터 압축 알고리즘의 GPGPU 프로그래밍 모델과의 호환성을 분석하는 것.
• bzip2의 어느 단계가 GPU 가속화에 적합한지, 어느 단계는 그렇지 않은지 식별하는 것.
• 메모리 대역폭과 동기화 제약 조건을 고려할 때 GPGPU의 데이터 압축 잠재력을 평가하는 것.
• GPU에서의 병렬 압축 원천, 예를 들어 가변 길이 인코딩과 누적합의 실용적 구현을 탐색하는 것.
• PCIe를 통한 데이터 전송 오버헤드가 GPGPU를 사용할 경우 전체 압축 성능에 미치는 영향을 평가하는 것.

제안 방법

• 워프 기반 실행과 메모리 코alescing을 강조하는 GPGPU 계산 모델의 고수준 개요를 사용한다.
• bzip2 파이프라인(버러스-위레어 변환, MTF, 해프만 코드화)을 분석하여 GPU 이식 가능성 여부를 평가하며, 데이터 병렬 연산에 중점을 둔다.
• 가변 길이 인코딩 및 데이터 재정렬 단계의 가속을 위해 병렬 누적합과 정렬 알고리즘을 적용한다.
• GPU에서의 트리 구축을 피하기 위해 해프만 코드워드 테이블을 사전에 계산하는 것이 가능한지 평가한다.
• 기존의 경량 압축 구현(예: GFC, 데이터베이스 압축)을 분석하여 성능 통찰을 도출한다.
• 워프 기반 모델에서의 PCIe 대역폭과 스레드 동기화 등의 아키텍처 제약 조건을 고려한다.

실험 결과

연구 질문

• RQ1 bzip2 압축 파이프라인의 어느 단계가 GPGPU 아키텍처에서 효과적으로 병렬화될 수 있는가?
• RQ2 GPGPU에서의 메모리 액세스 패턴과 스레드 동기화는 손실 없는 압축 알고리즘의 성능에 어떤 영향을 미치는가?
• RQ3 일반적인 GPU 원천, 예를 들어 누적합과 정렬은 어느 정도 압축 작업의 가속화를 가능하게 하는가?
• RQ4 GPU 기반 해프만 코드화에서 성능 저하 요인은 무엇이며, 사전 계산된 테이블로 이를 완화할 수 있는가?
• RQ5 PCIe 데이터 전송 오버헤드는 CPU 대비 GPGPU 기반 압축의 전체 스피드업에 어떤 영향을 미치는가?

주요 결과

• GPU에서의 병렬 누적합과 정렬 알고리즘은 CPU 대비 최대 20배의 성능 향상을 달성하여 데이터 재정렬 및 코드워드 위치 결정을 효율적으로 가속화한다.
• bzip2의 가변 길이 인코딩(VLE) 단계는 출력 위치 계산을 위해 병렬 누적합을 사용함으로써 최소한의 데이터 의존성 문제로 인해 가속화될 수 있다.
• Move-to-Front(MTF) 변환은 데이터 의존성으로 인해 효율적인 병렬화가 어렵지만, 적절한 메모리 액세스 패턴을 고려하면 GPU 가속화가 가능하다.
• 해프만 트리 구축은 본질적으로 순차적인 성격을 지녀 GPU에서 여전히 주요 성능 저하 요인이지만, 사전 계산된 코드워드 테이블을 통해 이를 완화할 수 있다.
• 경량 압축 방법, 예를 들어 델타 인코딩과 널 누락 억제는 PCIe 대역폭 제약으로 인해 GPU에서 75 GB/s 이상의 압축 속도를 달성한다.
• 아키텍처적 과제가 있음에도 불구하고, 데이터 전송 오버헤드를 최소화하고 모든 단계를 GPU에서 실행할 경우, 종단 간 GPU 기반 압축 파이프라인은 CPU 기반 구현보다 성능이 뛰어나다.