[논문 리뷰] Understanding GPU-Based Lossy Compression for Extreme-Scale Cosmological Simulations

Sian Jin, Pascal Grosset외 5명|arXiv (Cornell University)|2020. 04. 01.

Computational Physics and Python Applications인용 수 4

한 줄 요약

이 논문은 Foresight 프레임워크를 사용하여 cuZFP 및 cuSZ와 같은 압축기의 성능을 평가함으로써 초대규모 천체물리학 시뮬레이션에 GPU 기반의 손실 압축을 제안한다. 이는 고속 처리 능력과 함께 5–15×의 압축 비율을 달성하며, 특히 파wer 스펙트럼 및 홀로 파인더 결과와 같은 천체물리학 전용 지표에서 후처리 분석의 정밀도를 유지한다.

ABSTRACT

To help understand our universe better, researchers and scientists currently run extreme-scale cosmology simulations on leadership supercomputers. However, such simulations can generate large amounts of scientific data, which often result in expensive costs in data associated with data movement and storage. Lossy compression techniques have become attractive because they significantly reduce data size and can maintain high data fidelity for post-analysis. In this paper, we propose to use GPU-based lossy compression for extreme-scale cosmological simulations. Our contributions are threefold: (1) we implement multiple GPU-based lossy compressors to our opensource compression benchmark and analysis framework named Foresight; (2) we use Foresight to comprehensively evaluate the practicality of using GPU-based lossy compression on two real-world extreme-scale cosmology simulations, namely HACC and Nyx, based on a series of assessment metrics; and (3) we develop a general optimization guideline on how to determine the best-fit configurations for different lossy compressors and cosmological simulations. Experiments show that GPU-based lossy compression can provide necessary accuracy on post-analysis for cosmological simulations and high compression ratio of 5~15x on the tested datasets, as well as much higher compression and decompression throughput than CPU-based compressors.

연구 동기 및 목표

• 초대규모 천체물리학 시뮬레이션에서 페타바이트 단위의 데이터를 생성함에 따라 발생하는 증가하는 I/O 및 스토리지 병목 현상을 해결한다.
• 현대 슈퍼컴퓨터에서 전체 실행 시간의 10% 이상을 차지하는 성능 오버헤드를 유발하는 CPU 기반 손실 압축의 한계를 극복한다.
• 일반적인 압축 지표와 천체물리학 전용 분석을 모두 포함하는 종합적인 평가 프레임워크를 개발하여 과학적 후처리에 대한 데이터 정밀도를 확보한다.
• 천체물리학 시뮬레이션에서 GPU 기반 손실 압축기의 최적 설정을 선택하기 위한 체계적인 최적화 지침을 제공한다.
• 주요 천체물리학적 특성인 다크 물질 홀로 및 파워 스펙트럼을 유지하면서도 성능에 미치는 영향을 최소화하는 인-사이투 압축을 가능하게 한다.

제안 방법

• 기본 제공되는 Foresight 프레임워크 내에서 GPU 가속을 적용한 손실 압축기(cuZFP 및 cuSZ)의 버전을 구현하여 벤치마킹 및 분석을 수행한다.
• Foresight의 PAT(Post-Analysis Toolkit)을 사용하여 파워 스펙트럼 분석 및 홀로 파인더 결과와 같은 천체물리학 전용 지표를 활용해 데이터 정밀도를 평가한다.
• GPU-CPU 데이터 전송 오버헤드를 포함한 압축 및 복원 처리 속도를 측정하여 리더십 수준의 시스템에서의 성능 확장성 평가를 수행한다.
• 압축 비율, 왜곡, 처리 속도 간의 상호 관계를 탐색하기 위해 압축 파라미터(예: 오차 한계, 블록 크기)를 체계적으로 변경한다.
• 일반 지표(예: PSNR, MSE)와 도메인 특화 지표를 모두 통합하여 재구성된 데이터가 과학적으로 사용 가능하게 유지되는지 검증한다.
• 세 단계로 구성된 최적화 지침을 개발한다: (1) 다양한 설정에서 압축기 성능을 벤치마킹하고, (2) 천체물리학 관련 분석을 통해 정밀도를 검증하며, (3) 파wer 스펙트럼 및 홀로 파인더 지표에서 허용 가능한 왜곡을 유지하는 최고의 압축 비율 설정을 선택한다.

실험 결과

연구 질문

• RQ1 GPU 기반 손실 압축은 천체물리학 후처리 분석에 충분한 데이터 정밀도를 유지하면서도 높은 압축 비율(예: 5–15×)을 달성할 수 있는가?
• RQ2 초대규모 시뮬레이션에서 GPU 기반 압축은 CPU 기반 압축 대비 처리 속도 및 I/O 성능 오버헤드 측면에서 어떻게 비교되는가?
• RQ3 어떤 압축 설정이 재구성 후에도 파워 스펙트럼 및 홀로 특성과 같은 핵심 천체물리학적 특성을 유지하는가?
• RQ4 오차 한계 및 블록 크기의 최적 설정은 과학적 정확도를 떨어뜨리지 않으면서도 압축 비율을 극대화하는가?
• RQ5 특정 시뮬레이션 데이터에 적합한 GPU 기반 손실 압축기 선택을 돕기 위해 통합된 최적화 지침을 수립할 수 있는가?

주요 결과

• GPU 기반 손실 압축은 실제 HACC 및 Nyx 시뮬레이션 데이터셋에서 파워 스펙트럼 및 천체물리학 분석에 대해 높은 정밀도를 유지하면서도 5–15×의 압축 비율을 달성한다.
• cuZFP 및 cuSZ는 CPU 기반 버전에 비해 압축 및 복원 처리 속도가 크게 향상되어 I/O 오버헤드를 줄이고 이전의 CPU 기반 접근 방식에서 관찰된 10% 이상의 성능 저하를 방지한다.
• 모든 테스트 설정에서 재구성된 데이터의 파워 스펙트럼이 허용 가능한 오차 범위 내에 유지되어 대규모 구조 정보가 그대로 보존됨을 확인한다.
• 홀로 파인더 결과는 원본 데이터와 재구성된 데이터 간에 최소한의 편차를 보이며, 최적의 압축 설정에서 다크 물질 홀로 특성이 잘 유지됨을 확인한다.
• 제안된 최적화 지침은 파워 스펙트럼 및 홀로 파인더 지표에서 허용 가능한 왜곡을 유지하는 최고의 압축 비율 설정을 성공적으로 식별한다.
• 처리 속도 측정 결과, GPU 기반 압축 커널은 Summit에서 최대 약 2 TB/s의 속도를 기록하였으며, CPU-GPU 전송까지 포함된 종단 간 처리 속도는 여전히 1 TB/s를 초과하여 초대규모 시뮬레이션에서 인-사이투 압축이 실현 가능함을 입증한다.