[논문 리뷰] Staggered Dslash Performance on Intel Xeon Phi Architecture

Ruizi Li, Steven Gottlieb|arXiv (Cornell University)|2014. 11. 08.

Particle physics theoretical and experimental studies참고 문헌 2인용 수 4

한 줄 요약

이 논문은 인텔 Xeon Phi 공처리기에서 스테이거드 Dslash 커널의 성능을 평가하며, 메모리 대역폭 최적화와 벡터화에 중점을 둔다. 고유의 데이터 레이아웃과 게이지 장 압축을 사용하여 단일 정밀도 성능이 최대 193 GF/s에 도달했으며, 이는 Xeon Phi 아키텍처에서 높은 성능을 내기 위해 효율적인 메모리 접근과 SIMD 활용이 필수적임을 보여준다.

ABSTRACT

The conjugate gradient (CG) algorithm is among the most essential and time consuming parts of lattice calculations with staggered quarks. We test the performance of CG and dslash, the key step in the CG algorithm, on the Intel Xeon Phi, also known as the Many Integrated Core (MIC) architecture. We try different parallelization strategies using MPI, OpenMP, and the vector processing units (VPUs).

연구 동기 및 목표

• 격자 QCD 시뮬레이션을 위한 인텔 Xeon Phi 공처리기에서 스테이거드 Dslash 커널의 성능을 평가하기 위해.
• 데이터 레이아웃, 메모리 대역폭, 및 벡터화가 계산 성능에 미치는 영향을 조사하기 위해.
• 게이지 장 압축과 스트리밍 스토어가 Xeon Phi에서의 성능 향상에 얼마나 효과적인지 평가하기 위해.
• 다중 공처리기 스케일링을 위한 하이브리드 MPI+OpenMP 및 네이티브 모드 프로그래밍 모델을 탐색하기 위해.
• 주요 성능 저하 요인을 특정하고 지속적인 메모리 대역폭 및 산술 강도 최적화를 위해.

제안 방법

• MILC 격자 QCD 코드를 Xeon Phi 공처리기에서 네이티브 모드로 실행되도록 이식하고 재컴파일했다.
• 데이터 국소성과 벡터화를 향상시키기 위해 원래 윌슨 페르미온에 대해 설계된 고유의 데이터 레이아웃을 적용했다.
• 메모리 트래픽 감소와 대역폭 효율 향상을 위해 3링크 게이지 장 압축을 적용했다.
• 컴파일러의 벡터화 지시어를 사용하고 스트리밍 스토어 사용을 최적화하여 512비트 SIMD 유닛을 효과적으로 활용했다.
• GF/s를 측정하고 메모리 대역폭을 추정하여 압축되지 않은 경우와 압축된 게이지 장 사례를 비교했다.
• Naik 항을 포함하거나 제거한 상태에서 벤치마크를 측정하여 산술 강도와 성능에 미치는 영향을 평가했다.

실험 결과

연구 질문

• RQ1 스테이거드 Dslash 커널의 Xeon Phi에서 성능에 영향을 주는 데이터 레이아웃 선택은 어떤가?
• RQ2 게이지 장 압축이 성능 향상과 메모리 대역폭 활용도에 얼마나 기여하는가?
• RQ3 벡터화와 스트리밍 스토어가 Dslash 커널의 지속적 성능에 어떤 영향을 미치는가?
• RQ4 하이브리드 MPI+OpenMP 모델은 다중 Xeon Phi 공처리기 간 스케일링에 얼마나 효과적인가?
• RQ5 산술 강도는 Xeon Phi 아키텍처에서 성능을 결정하는 데 어떤 역할을 하는가?

주요 결과

• 게이지 장 압축과 최적화된 데이터 레이아웃을 통해 단일 Xeon Phi 공처리기에서 스테이거드 Dslash 커널은 단일 정밀도 성능이 최대 193 GF/s에 도달했다.
• 압축 없이도 성능은 140–141 GF/s에 도달했으며, 추정된 메모리 대역폭은 152–159 GB/s였다.
• 게이지 장 압축을 통해 메모리 대역폭 사용은 142–153 GB/s로 감소했고, 성능은 184–193 GF/s로 증가했다.
• Naik 항을 포함함으로써 산술 강도가 증가하면서 압축된 경우 성능은 304 GF/s로 상승했다 (SU(3) 행렬-행렬 연산 덕분).
• 성능는 SOALEN 또는 스트리밍 스토어 사용에 거의 의존하지 않아, 메모리 액세스 패턴이 주요 요인임을 시사했다.
• 표준 MPI 구현의 성능 제한으로 인해 다중 공처리기 간 MPI 기반 스케일링이 효과적이지 않아, 최적화된 MPI 라이브러리가 필요함을 시사했다.