[논문 리뷰] Magnetohydrodynamics on Heterogeneous architectures: a performance comparison

Bijia Pang, Ue‐Li Pen외 1명|arXiv (Cornell University)|2010. 04. 10.

Parallel Computing and Optimization Techniques참고 문헌 11인용 수 9

한 줄 요약

이 논문은 CUDA, OpenCL 및 네이티브 언어로 최적화된 구현을 사용하여 다이버스 기반 아키텍처인 멀티코어 x86, Cell, NVIDIA 및 ATI GPU에서의 유체역학적 전자기유체역학(MHD) 시뮬레이션의 성능 비교를 수행한다. NVIDIA GPU에서는 최대 105.7배의 성능 향상을 달성하였으며, 전통적인 x86 시스템에 비해 GPU 기반 시스템이 이론적 최대 성능의 훨씬 더 높은 비율을 활용할 수 있음을 입증하였다—최대 7.4%의 FLOPS 효율성까지 도달하였다.

ABSTRACT

We present magneto-hydrodynamic simulation results for heterogeneous systems. Heterogeneous architectures combine high floating point performance many-core units hosted in conventional server nodes. Examples include Graphics Processing Units (GPU's) and Cell. They have potentially large gains in performance, at modest power and monetary cost. We implemented a magneto-hydrodynamic (MHD) simulation code on a variety of heterogeneous and multi-core architectures --- multi-core x86, Cell, Nvidia and ATI GPU --- in different languages, FORTRAN, C, Cell, CUDA and OpenCL. We present initial performance results for these systems. To our knowledge, this is the widest comparison of heterogeneous systems for MHD simulations. We review the different challenges faced in each architecture, and potential bottlenecks. We conclude that substantial gains in performance over traditional systems are possible, and in particular that is possible to extract a greater percentage of peak theoretical performance from some systems when compared to x86 architectures.

연구 동기 및 목표

• 다양한 이종 컴퓨팅 아키텍처, 특히 GPU와 Cell 프로세서를 포함한 MHD 시뮬레이션의 성능을 평가하고 비교하기.
• 이종 시스템에서 메모리 대역폭, 데이터 국소성 및 메모리 계층의 영향을 고려한 주요 성능 저하 원인을 규명하고 분석하기.
• CUDA, OpenCL 및 네이티브 API와 같은 다양한 프로그래밍 모델이 MHD 시뮬레이션에서 높은 성능을 달성하는 데 얼마나 효과적인지 평가하기.
• 각 아키텍처에서 이론적 최대 성능의 비율을 정량화하고, 전통적인 x86 시스템과 비교하기.
• 이종 플랫폼에서 성능 향상을 위한 최적화 전략, 예를 들어 더블 버퍼링, 메모리 타일링 및 커널 재구성 기법 탐색하기.

제안 방법

• MUSCL 및 광범위한 전파 제약 방법을 사용하여 MHD 방정식을 해결하기 위한 2차 정확도, 차원 분할형 고해상도 TVD 스킴을 구현하였다.
• 모든 아키텍처에서 수치적 안정성을 확보하기 위해 쿠라운트-프리드리히스-레비(CFL) 조건을 사용하여 시간 단계를 결정하였다.
• x86(멀티코어), Cell/B.E., NVIDIA GPU(CUDA), ATI GPU(OpenCL) 등 다양한 플랫폼으로 MHD 솔버를 이식하였으며, 아키텍처에 맞는 최적화를 적용하였다.
• 방향성 스윕(x, y, z) 간에 메모리 전치를 수행하여 규칙적인 메모리 접근 패턴을 유지하고 캐시 효율성을 향상시켰다.
• 실행 시간, 이론적 최대 FLOPS, 칩 내 대역폭, 분수 형태의 활용도(FLOPS 및 대역폭 효율성)를 측정하여 성능를 평가하였다.
• 수치 결과의 타당성을 검증하고 자기장 및 엔트로피 구조를 시각화하기 위해 블랙홀 질량 증착 모델을 기반으로 시뮬레이션을 수행하였다.

실험 결과

연구 질문

• RQ1 x86, Cell, NVIDIA GPU, ATI GPU와 같은 다양한 이종 아키텍처가 MHD 시뮬레이션에서 원자성 성능 측면에서 어떻게 비교되는가?
• RQ2 각 아키텍처에서 메모리 대역폭, 레지스터 사용량 및 공유 메모리 제약과 같은 주요 성능 저하 원인이 무엇인지, 특히 무엇이 지배적인가?
• RQ3 GPU 기반 시스템이 기존의 x86 시스템에 비해 이론적 최대 성능의 얼마나 높은 비율을 달성할 수 있는가?
• RQ4 OpenCL과 같은 이식 가능한 API가 NVIDIA CUDA나 Cell SDK와 같은 제조사 전용 언어에 비해 이종 플랫폼에서 높은 성능을 달성하는 데 얼마나 효과적인가?
• RQ5 더블 버퍼링, 메모리 타일링 및 커널 재구성과 같은 알고리즘 최적화 기법이 특정 아키텍처에서 성능 향상에 상당한 기여를 할 수 있는가?

주요 결과

• NVIDIA GPU(GTX 260)는 단일 코어 x86 시스템 대비 105.7배의 성능 향상을 기록하였으며, 이론적 FLOPS 활용 비율은 7.4%로 모든 플랫폼 중에서 가장 높았다.
• ATI HD5870 GPU는 x86(1) 대비 68.5배의 성능 향상을 기록하였으며, 대역폭 비율은 11.3%로 높은 메모리 효율성을 보였다.
• Cell 프로세서는 x86(1) 대비 10.2배의 성능 향상을 기록하였지만, 이론적 최대 FLOPS의 1.3%만 활용되어, 메모리 및 데이터 이동 제약으로 인한 낮은 활용도가 드러났다.
• NVIDIA GPU에서의 CUDA 구현은 2.40의 분수 형태의 성능 향상 비율을 기록하여, x86 시스템 대비 이론적 최대 성능의 더 높은 비율을 활용하고 있음을 시사한다.
• 모든 플랫폼에서 메모리 대역폭이 핵심 성능 저하 원인이었으며, NVIDIA GPU는 최고의 대역폭 비율(19.1%)을 기록하여 메모리 접근 패턴 측면에서 더 효율적임을 시사한다.
• CPU 코드를 GPU/CUDA로 직접 이식하는 것만으로도 높은 성능을 달성할 수 있었지만, 메모리 접근 및 자원 점유율을 고려한 알고리즘 재설계를 통해 추가적인 성능 향상이 가능했으며, 특히 NVIDIA 및 ATI GPU에서 두드러진 성과를 보였다.