[논문 리뷰] Parallel Range, Segment and Rectangle Queries with Augmented Maps

Yihan Sun, Guy E. Blelloch|arXiv (Cornell University)|2018. 03. 23.

Computational Geometry and Mesh Generation인용 수 4

한 줄 요약

이 논문은 증강 맵을 사용하여 2차원 범위, 세그먼트, 직사각형 쿼리에 대해 단순하고 이론적으로 효율적이며 높은 수준의 병렬 처리가 가능한 프레임워크를 제시한다. 문제를 다중 수준 트리 또는 스위플라인 기반 프리픽스 구조를 사용하는 이중 수준 증강 맵으로 모델링함으로써, 작업 효율적인 구축(O(n log n))과 다항로그 병렬 깊이를 달성하였으며, 출력 크기와 거의 선형적인 쿼리 시간을 확보하였다. 제안된 구현은 CGAL 및 Boost 라이브러리 대비 최대 1400배 빠른 쿼리 속도를 기록하였고, 72코어 시스템에서 68배의 병렬 속도 향상을 달성하였다.

ABSTRACT

The range, segment and rectangle query problems are fundamental problems in computational geometry, and have extensive applications in many domains. Despite the significant theoretical work on these problems, efficient implementations can be complicated. We know of very few practical implementations of the algorithms in parallel, and most implementations do not have tight theoretical bounds. We focus on simple and efficient parallel algorithms and implementations for these queries, which have tight worst-case bound in theory and good parallel performance in practice. We propose to use a simple framework (the augmented map) to model the problem. Based on the augmented map interface, we develop both multi-level tree structures and sweepline algorithms supporting range, segment and rectangle queries in two dimensions. For the sweepline algorithms, we propose a parallel paradigm and show corresponding cost bounds. All of our data structures are work-efficient to build in theory and achieve a low parallel depth. The query time is almost linear to the output size. We have implemented all the data structures described in the paper using a parallel augmented map library. Based on the library each data structure only requires about 100 lines of C++ code. We test their performance on large data sets (up to $10^8$ elements) and a machine with 72-cores (144 hyperthreads). The parallel construction achieves 32-68x speedup. Speedup numbers on queries are up to 126-fold. Our sequential implementation outperforms the CGAL library by at least 2x in both construction and queries. Our sequential implementation can be slightly slower than the R-tree in the Boost library in some cases (0.6-2.5x), but has significantly better query performance (1.6-1400x) than Boost.

연구 동기 및 목표

• 이론적으로 효율적이고 실용적인 2차원 범위, 세그먼트, 직사각형 쿼리 병렬 알고리즘을 개발하고, 엄밀한 이론적 한계를 확보한다.
• 통일된 증강 맵 추상화를 통해 복잡한 기하학적 데이터 구조의 구현을 단순화한다.
• 낮은 오버헤드로 높은 병렬 성능을 달성하여 대규모 데이터셋에서 빠른 구축 및 쿼리 처리를 가능하게 한다.
• 이론적 보장을 유지하면서도 기존 라이브러리인 CGAL 및 Boost보다 순차적 및 병렬 성능에서 뛰어난 성능을 발휘한다.

제안 방법

• 범위, 세그먼트, 직사각형 쿼리를 두 수준의 증강 맵 구조로 모델링: 외부 맵은 증강된 값으로 구성되고, 내부 맵은 증강 트리로 구현된다.
• 병렬 증강 맵(PAM) 라이브러리를 기반으로 하여, 구축 과정에서 다항로그 병렬 깊이와 최적의 순차적 작업량을 확보한다.
• 외부 맵에 대한 증강 트리의 대안으로 프리픽스 구조를 도입하여, 특정 조건 하에서 O(n^ε)의 깊이를 가진 효율적인 스위플라인 알고리즘을 가능하게 한다.
• 입력 함수가 특정 성질을 만족할 경우 이론적 비용 한계가 보장되는 프리픽스 구조 구축을 위한 병렬 패러다임을 설계한다.
• 모든 데이터 구조를 PAM 라이브러리 위에서 약 100줄의 C++ 코드로만 구현하여 공학적 단순성을 확보한다.
• 증강 맵 추상화를 활용하여 모든 문제 유형에서 일괄 목록 출력, 카운팅, 가중치 합 쿼리가 통합적으로 지원된다.

실험 결과

연구 질문

• RQ1 통일된 증강 맵 추상화는 복잡한 기하학적 데이터 구조의 구현을 단순화하면서도 이론적 효율성을 유지할 수 있는가?
• RQ2 병렬 실행 하에서 다중 수준 트리 기반 알고리즘과 스위플라인 기반 알고리즘의 구축 및 쿼리 성능는 어떻게 비교되는가?
• RQ3 증강 맵 프레임워크는 이론적 보장과 실용적인 고성능을 동시에 달성할 수 있는가? 대규모 기하 쿼리에 대해 얼마나 효과적인가?
• RQ4 제안된 구현의 성능는 CGAL 및 Boost와 같은 기존 라이브러리와 비교해 병렬 및 순차 환경 모두에서 어떻게 되는가?
• RQ5 출력 크기가 쿼리 성능에 미치는 영향은 무엇이며, 이론적 한계는 실제 확장성으로 어떻게 번역되는가?

주요 결과

• 72코어 시스템(144개 하이퍼스레드)에서 데이터 구조의 병렬 구축은 최대 68배의 속도 향상을 기록하여 강력한 확장성을 입증하였다.
• 병렬 환경에서 쿼리 성능은 최대 126배의 속도 향상을 기록하였으며, 최고 성능을 보인 구현체(예: RecSwp)는 작은 쿼리 창에서 Boost R-tree 대비 최대 1400배 빠른 성능을 기록하였다.
• 순차적 환경에서도 CGAL보다 최소 2배 이상의 빠른 구축 및 쿼리 시간을 확보하였으며, 대부분의 경우 Boost R-tree와 경쟁하거나 더 빠른 성능을 기록하였다.
• 스위플라인 기반 알고리즘(예: RecSwp, SegSwp)은 이론적 한계가 우수하여 소규모 창 쿼리 및 카운팅 쿼리에서 뛰어난 성능을 보였고, 두 수준 트리 기반 알고리즘은 데이터 국소성이 뛰어나 대규모 창 쿼리에서 뛰어난 성능을 보였다.
• 각 데이터 구조의 구현은 PAM 라이브러리 위에서 약 100줄의 C++ 코드로만 이루어져 있어 프레임워크의 단순성과 유지보수 용이성을 입증하였다.
• 이론적 비용은 작업 측면에서 최적에 log n 요소 내에서 수렴하였으며, 모든 구축 과정은 작업 효율적(O(n log n))이었고, 트리 기반 구조는 다항로그 병렬 깊이, 스위플라인 알고리즘은 O(n^ε) 깊이를 확보하였다.