[论文解读] The GPU vs Phi Debate: Risk Analytics Using Many-Core Computing

Blesson Varghese|arXiv (Cornell University)|Jan 26, 2015

Distributed and Parallel Computing Systems参考文献 25被引用 5

一句话总结

本文评估了GPU和英特尔至强融核（Intel Xeon Phi）加速器在再保险高绩效风险分析中的应用，重点针对同时考虑主要不确定性和次级不确定性的聚合风险分析（ARA）。研究提出了在CPU、GPU及混合平台上的并行算法，发现尽管至强融核在原始性能上表现更优（80万次试验下耗时42秒，对比GPU的55秒），但GPU-CPU混合平台在实际应用中表现最佳（耗时41秒），比至强融核-CPU快50%，且相比基线CPU实现提升了16倍的性能。

ABSTRACT

The risk of reinsurance portfolios covering globally occurring natural catastrophes, such as earthquakes and hurricanes, is quantified by employing simulations. These simulations are computationally intensive and require large amounts of data to be processed. The use of many-core hardware accelerators, such as the Intel Xeon Phi and the NVIDIA Graphics Processing Unit (GPU), are desirable for achieving high-performance risk analytics. In this paper, we set out to investigate how accelerators can be employed in risk analytics, focusing on developing parallel algorithms for Aggregate Risk Analysis, a simulation which computes the Probable Maximum Loss of a portfolio taking both primary and secondary uncertainties into account. The key result is that both hardware accelerators are useful in different contexts; without taking data transfer times into account the Phi had lowest execution times when used independently and the GPU along with a host in a hybrid platform yielded best performance.

研究动机与目标

• 评估GPU和英特尔至强融核加速器在加速再保险投资组合风险分析方面的性能。
• 开发并实现考虑主要不确定性与次级不确定性的并行聚合风险分析（ARA）算法。
• 比较独立加速器与CPU-加速器混合平台在真实风险模拟工作负载中的性能表现。
• 识别内存访问与统计计算（特别是非对称贝塔分布的逆累积分布函数）中的性能瓶颈。
• 为金融领域高性能、低成本风险分析提供硬件加速器选型的实际建议。

提出的方法

• 在多核CPU（英特尔i7、至强）、NVIDIA GPU和英特尔至强融核上实现并行ARA模拟，使用CUDA和OpenMP分别实现GPU与至强融核的加速。
• 设计算法以通过随机事件目录和暴露数据库，同时建模主要不确定性（事件发生）与次级不确定性（损失分布变异性）。
• 优化内存访问模式，以减少获取事件数据和损失集的延迟，尤其在高带宽操作中至关重要。
• 集成用于次级不确定性的统计函数，包括非对称贝塔分布的逆累积分布函数（逆CDF）。
• 测量各平台的执行时间，包括数据传输开销，以评估混合与独立配置下的实际性能表现。
• 采用标准化的模拟工作负载（80万次试验，每次包含1,000个事件和16个扩展事件损失表ELT），确保基准测试的一致性。

实验结果

研究问题

• RQ1 在同时考虑主要与次级不确定性的聚合风险分析中，GPU与英特尔至强融核加速器的原始执行性能如何比较？
• RQ2 与CPU-加速器混合系统相比，独立加速器（如至强融核）的数据传输开销对其实际性能有何影响？
• RQ3 内存访问模式与统计计算（特别是非对称贝塔分布的逆CDF）如何影响风险模拟工作负载的整体性能？
• RQ4 在排除数据传输时间后，至强融核是否能实现优于GPU的性能？这一结果在真实部署场景中是否具有实际意义？
• RQ5 在大规模风险分析中，实现最低端到端执行时间的最优硬件配置（独立式 vs. 混合式）是什么？

主要发现

• 在排除数据传输时间后，英特尔至强融核的原始执行时间为42秒（80万次ARA试验），优于GPU的55秒。
• GPU-CPU混合平台在相同模拟中耗时41秒，比至强融核-CPU组合（耗时63秒）快50%。
• GPU-CPU混合系统相比基线Intel i7处理器的串行实现，实现了16倍的性能提升。
• 尽管原始执行速度更快，但至强融核在大多数实际应用场景中并不实用，因其将80万次试验复制到其内存的开销超过三小时。
• 在GPU上，获取事件与损失集的内存访问占总执行时间的39%；在CPU上占27%，表明内存带宽仍是关键性能瓶颈。
• 在CPU与加速器实现中，非对称贝塔分布的逆CDF计算均消耗超过50%的时间，凸显其为关键性能瓶颈，亟需优化。