[논문 리뷰] Optimization strategies for parallel CPU and GPU implementations of a meshfree particle method

José M. Domínguez, Alejandro Crespo외 1명|arXiv (Cornell University)|2011. 10. 17.

Fluid Dynamics Simulations and Interactions참고 문헌 28인용 수 3

한 줄 요약

이 논문은 메쉬리스 입자 방법 중 하나인 스플라인 입자 유체역학(SPH)에 대한 최적화된 병렬 구현을 CPU 및 GPU 아키텍처에서 제시한다. 메모리 연속성, 스레드 군집화, 커널 융합 기법을 활용하여 저수준 최적화를 통해 높은 성능 향상을 달성하였으며, 테스트 벤치마크에서 GPU 버전이 CPU 버전보다 최대 15배 빠른 성능을 보여, 고성능 계산 환경에서 SPH에 대한 타겟팅된 저수준 최적화의 효과를 입증한다.

ABSTRACT

Much of the current focus in high performance computing (HPC) for computational fluid dynamics (CFD) deals with grid based methods. However, parallel implementations for new meshfree particle methods such as Smoothed Particle Hydrodynamics (SPH) are less studied. In this work, we present optimizations for both central processing unit (CPU) and graphics processing unit (GPU) of a SPH method. These optimization strategies can be further applied to many other meshfree methods. The obtained performance for each architecture and a comparison between the most efficient implementations for CPU and GPU are shown.

연구 동기 및 목표

• 메쉬리스 입자 방법 중 하나인 SPH에 대한 최적화된 병렬 구현이 고성능 계산(HPC) 환경에서 부족한 문제를 해결한다.
• 입자 간 상호작용으로 인해 계산 비용이 높은 SPH 시뮬레이션의 계산 효율성을 향상시킨다.
• 멀티코어 CPU와 GPU 가속기에서 확장 가능하고 고성능을 유지하는 SPH 시뮬레이션을 가능하게 한다.
• SPH를 초월하여 다른 메쉬리스 방법에 적용 가능한 일반화 가능한 최적화 전략을 제공한다.
• 최적화된 CPU 및 GPU 구현 간 성능를 비교하여 SPH 워크로드에 가장 효율적인 아키텍처를 규명한다.

제안 방법

• 멀티코어 CPU에서 스레드 수준 병렬 처리를 구현하기 위해 OpenMP를 사용한 병렬 SPH 알고리즘을 구현한다.
• 입자 데이터 재정렬 및 캐시 우수한 데이터 구조를 사용하여 CPU에서 메모리 접근 패턴을 최적화한다.
• GPU 커널 융합을 적용하여 커널 실행 오버헤드를 줄이고, 복수의 연산을 단일 커널으로 통합하여 할당율을 향상시킨다.
• GPU에서 메모리 연속성 기법을 사용하여 전역 메모리 대역폭 활용도를 극대화한다.
• 스레드 군집화를 구현하여 커널 실행 횟수를 줄이고 GPU 할당율을 향상시킨다.
• 루프 틀링과 데이터 레이아웃 변환을 적용하여 CPU 및 GPU 버전의 데이터 국소성 향상과 지연 감소를 달성한다.

실험 결과

연구 질문

• RQ1 SPH의 CPU 및 GPU 구현에서 높은 성능을 달성하기 위해 가장 효과적인 최적화 전략은 무엇인가?
• RQ2 메모리 접근 패턴과 데이터 레이아웃은 CPU 및 GPU 아키텍처에서 SPH의 성능에 어떤 영향을 미치는가?
• RQ3 최적화된 CPU 및 GPU SPH 구현 간 성능 격차는 무엇이며, 어느 아키텍처가 더 뛰어난 확장성을 보이는가?
• RQ4 커널 융합과 스레드 군집화는 SPH 시뮬레이션에서 오버헤드를 얼마나 줄이고 GPU 활용도를 향상시키는가?
• RQ5 제안된 최적화 기법은 SPH를 초월한 다른 메쉬리스 입자 방법에 일반화될 수 있는가?

주요 결과

• 대규모 SPH 시뮬레이션에서 최적화된 GPU 버전이 동일한 하드웨어에서 최적화된 CPU 버전보다 최대 15배 빠른 성능을 달성한다.
• GPU에서의 메모리 연속성과 커널 융합은 메모리 접근 지연과 커널 실행 오버헤드를 크게 줄여 전체 처리량을 향상시킨다.
• 스레드 군집화는 GPU 할당율을 높이고 커널 실행 횟수를 감소시켜 스트리밍 멀티프로세서의 활용도를 향상시킨다.
• CPU 버전은 캐시 인식 데이터 레이아웃과 루프 틀링을 통해 데이터 국소성을 향상시키고 메모리 대역폭 압력을 줄인다.
• GPU 버전은 입자 수가 증가함에 따라 성능이 잘 확장되어 현대 GPU 아키텍처에서 강력한 확장성을 보여준다.
• 제안된 최적화 전략은 SPH를 초월한 다른 메쉬리스 방법에 적용 가능하여 광범위한 적용 가능성을 시사한다.