선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 고에서는 "Intel® Xeon PhiTM Processor High Performance: Knights Landing Edition‘‘[4] 책 내용을 부분 인용하여 Bootable KNL 매니코어 프로세서와 매니 코어 프로세서를 최대한 이용할 수 있는 프로그래밍 방법 등을 기술하고, KISTI 국가 슈퍼컴퓨팅연구소에서 수행한 KNL 상에서의 성능 분석 내용을 소개한다.
- 지금까지의 범용적인 프로세서 모델과 다른 인텔의 차세대 매니코어 프로세서인 KNL 특징을 살펴보았으며 이를 사용하기 위한 환경 구성 방법에 대해서 기술 하였다. 또한 Intel KNL 기반 시스템에서 다중 MPI 응용 실행 시, 자원을 효율적으로 활용하기 위한 방법과 I/O 특성 실험을 진행하였으며 이에 따른 실험 결과를 살펴보았다.
제안 방법
- 이 때, 성능 차이가 별로 없다면 벡터화를 통하여 성능 향상을 꾀할 수 있다. 벡터화를 비 활성화하는 방법은 컴파일러 옵션에 “no-cec”와 “no-simd ”를추가하고, 벡터화를 위해서는 최소한 "-O2 xhost” 옵션을 사용하여 컴파일 하도록 한다.
- 파일 I/O를 수행하기 위한 벤치마크 도구로는 FIO[10]를 사용하였으며 고 병렬 파일 I/O시의 스토리지별 I/O 특성을 확인하기 위해서 각 스토리지별로 작업의 개수를 증가시키면서 순차 I/O 와 랜덤 I/O의 성능을 측정하였다. I/O시의 리눅스 버퍼 캐시 영향을 회피하기 위해서 FIO에 direct I/O 옵션을 추가하여 실험을 진행하였다. 다음 표 3은 실험에 사용하였던 방법을 정리한 표이다.
- 가지고 있다. KNLe 16G의 MCDRAM을 별도의 메모리로 사용하기 위한 플랫(flat) 모드와 큰 캐시로 사용하는 캐시 모드를 제공하는데 본 실험에서는 두 가지 모드를 모두 테스트 하였다. 실험에는 CPU 집약형, 메모리 집약형, 통신 집약형의 세 가지 MPI 병렬프로그램이 사용되었다.
- AVX-512 명령어는 향후 인텔 제온 프로세서에서도 지원된다. KNLe 외부 패브릭 칩 또는 카드와 비교하여 향상된 효율성으로 직접 네트워크 연결을 가능하게 하는 인텔 옴니패스 아키텍처 (Omni-Path Architecture) 의 옵션으로 온패키지 통합을 도입했다.
- KNL서버에서 활용 가능한 로컬 스토리지, 메모리 스토리지를 대상으로 기본적인 파일 I/O 성능을 분석실험[9]을 하였다. 파일 I/O를 수행하기 위한 벤치마크 도구로는 FIO[10]를 사용하였으며 고 병렬 파일 I/O시의 스토리지별 I/O 특성을 확인하기 위해서 각 스토리지별로 작업의 개수를 증가시키면서 순차 I/O 와 랜덤 I/O의 성능을 측정하였다.
- 결과는 전문적인 품질의 플롯, 사람이 읽을 수 있는 텍스트 또는 다양한 다른 응용 프로그램으로 쉽게 가져올 수 있는 쉼표로 분리된 출력 값으로 표시 될 수 있다. micprune 실행 파일로 micperf 패키지의 기본 애플리케이션인 6개의 벤치마크 (MKL[11] SMP Linpack, MKL HPLinpack[12], MKL HPCG[13], MKL SGEMM, MKL DGEMM 그리고 STREAM[14], ) [15] 를 실행한다. 이러한 벤치마크 파일들을 이용하여 시스템의 주요한 병목 현상을 파악하여 성능 검증에 사용할 수 있다.
- 하였다. 또한 Intel KNL 기반 시스템에서 다중 MPI 응용 실행 시, 자원을 효율적으로 활용하기 위한 방법과 I/O 특성 실험을 진행하였으며 이에 따른 실험 결과를 살펴보았다. MPI 활용 응용 실험을 통해서는 MCDRAM과 같은 새로운 형태의 H/W 자원을 애플리케이션 실행 패턴을 고려하여 효율적으로 스케줄링 함으로써 실행 시간 단축 및 전체 시스템 활용률을 향상시킬 수 있음을 실험적으로 보였다.
- 이러한 방법을 통하여 스레드 개수별로 성능 그래프를 살펴보고 스레드가 증가하였어도 성능 향상이 없다면 성능 향상을 위해 튜닝을 할 필요가 있다. 벡터화를 살펴보기 위해서는 해당 어플리케이션을 벡터화 사용 형태와 비 사용 형태의 두 가지 형태로 컴파일하여 성능 비교를 진행해본다. 이 때, 성능 차이가 별로 없다면 벡터화를 통하여 성능 향상을 꾀할 수 있다.
- 병렬프로그램은 본 실험을 위해 작성된 프로그램으로 더블형의 값으로 구성된 2차원 밀집행렬 (dense matrix) 의 곱셈을 기본 연산으로 수행한다. 병렬프로그램 프로파일링 작업은 CPU 집약형, 메모리 집약형, 통신 집약형 각각의 MPI 병렬프로그램들에 대하여 perm 사용하여 수행하였다. 리눅스 커널 2.
- 기술이 필요하다. 본 실험[기에서는 최근 대부분의 프로세서에 포함되어 디버깅, 퍼포먼스 모니터링 등에 사용되는 레지스터의 집합인 하드웨어 퍼포먼스 카운터를 사용하여 워크로드의 패턴을 분석하였고 분석한 패턴을 기반으로 워크로드를 기존 메모리와 고성능 온-패키지에 각각 할당하여 성능의 차이를 확인하였다.
- KNLe 16G의 MCDRAM을 별도의 메모리로 사용하기 위한 플랫(flat) 모드와 큰 캐시로 사용하는 캐시 모드를 제공하는데 본 실험에서는 두 가지 모드를 모두 테스트 하였다. 실험에는 CPU 집약형, 메모리 집약형, 통신 집약형의 세 가지 MPI 병렬프로그램이 사용되었다. 병렬프로그램은 본 실험을 위해 작성된 프로그램으로 더블형의 값으로 구성된 2차원 밀집행렬 (dense matrix) 의 곱셈을 기본 연산으로 수행한다.
- 하였다. 파일 I/O를 수행하기 위한 벤치마크 도구로는 FIO[10]를 사용하였으며 고 병렬 파일 I/O시의 스토리지별 I/O 특성을 확인하기 위해서 각 스토리지별로 작업의 개수를 증가시키면서 순차 I/O 와 랜덤 I/O의 성능을 측정하였다. I/O시의 리눅스 버퍼 캐시 영향을 회피하기 위해서 FIO에 direct I/O 옵션을 추가하여 실험을 진행하였다.
- 프로파일링 결과를 기반으로 세 가지 워크로드를 플랫 모드와 캐시 모드에서 다음의 4가지 방법으로 실험하였다. 모든 병렬프로그램은 각각 68개의 MPI 프로세스를 할당하여 동시에 실행하였다.
대상 데이터
- 통합하여 제공한다. 사용자 인터페이스는 5개의 실행 파일로 구성되어 있는데, 벤치마크에 대한 실행 (micprun)과 이것에 대한 출력을 해석하는 네 개로 되어 있다. 결과는 전문적인 품질의 플롯, 사람이 읽을 수 있는 텍스트 또는 다양한 다른 응용 프로그램으로 쉽게 가져올 수 있는 쉼표로 분리된 출력 값으로 표시 될 수 있다.
- 실험에 사용된 시스템은 68개의 코어를 가지는 인텔 KNL 프로세서로 16G의 MCDRAM과 96G의 DDR4 메모리를 가지고 있다. KNLe 16G의 MCDRAM을 별도의 메모리로 사용하기 위한 플랫(flat) 모드와 큰 캐시로 사용하는 캐시 모드를 제공하는데 본 실험에서는 두 가지 모드를 모두 테스트 하였다.
이론/모형
- [17] 를 사용한다. Q-AND 패키지는 수백만 개 이상의 원자로 이루어진 거대 반도체 슈퍼셀의 전자구조를 Tight-binding 방법으로 묘사하며, 그에 따른 슈뢰딩거 방정식을 푸는 데 필요한 고유값 연산을 위해 Lanczos 알고리즘 [18] 을 MPI/OpenMP로 병렬화해 사용한다. 벤치마크에 사용된 응용문제는 최근 양자정보처리 시스템 설계에 적합한 신물질로 각광받고있는 실리콘-인 (Si:P) 복합물 반도체 [19] 로 이루어진 양자점의 전자구조이며, 수치해석적으로는 약 1, 500만xl, 500만의 크기를 가진 정방형 희소행렬의고유값 5개 (사용자가 정의한 범위에 속하는) 를 계산하는 문제에 해당한다.
- 본 절에서는 실제 응용 프로그램의 성능이 KNL에서 어떻게 나타나는지에 대해 논하고자 하며, 이를 위해 KISTI Intel Parallel Computing Center [16] 에서 개발한 전자구조 계산 시뮬레이션 패키지인 Quantum simulation tool for Advanced Nanoscale Devices (Q-AND) [17] 를 사용한다. Q-AND 패키지는 수백만 개 이상의 원자로 이루어진 거대 반도체 슈퍼셀의 전자구조를 Tight-binding 방법으로 묘사하며, 그에 따른 슈뢰딩거 방정식을 푸는 데 필요한 고유값 연산을 위해 Lanczos 알고리즘 [18] 을 MPI/OpenMP로 병렬화해 사용한다.
- 그러나 다른 L2 캐시, 메모리(MCDRAM 또는 DDR)에 저장된 데이터에 액세스하거나 I/O PCIe를 수행하려면온다이 (ON-DIE) 인터커넥트를 통해 칩의 다른 부분과 통신해야 한다. 이를 위해 타일은 캐시 일관성 있는 2차원 메시로 상호 연결되어 있으며, 메시는 “YX 라우팅” 규칙을 적용한다. 즉, 트랜잭션은 항상 대상행에 도달할 때까지 수직으로 먼저 이동 후에 수평으로 이동하여 목적지에 도달한다.
성능/효과
- MPI 활용 응용 실험을 통해서는 MCDRAM과 같은 새로운 형태의 H/W 자원을 애플리케이션 실행 패턴을 고려하여 효율적으로 스케줄링 함으로써 실행 시간 단축 및 전체 시스템 활용률을 향상시킬 수 있음을 실험적으로 보였다. KNL 서버에서 탑재 가능한 스토리지 옵션에 대해서 파일 I/O 특성을 분석함으로서 최적화된 활용 방안을 제시하였으며, NVMe SSD는 매니코어 플랫폼에 적합한 최적의 로컬 스토리지 임을 확인할 수 있었고 고 대역 온-패키지 메모리는 체크포인트-리스타트 때에 임시스토리지로 활용될 수 있음을 보였다. 마지막으로, KNL상의 응용 분석을 위해 거대 전자구조 계산에 사용되는 in-house code package를 이용해 성능을 측정해 보고, 이를 통해 메모리 집약적 특징을 가지는 거대 희소행렬 연산에 있어서도 CPU-only node 대비 KNL。] 가지는 성능상의 이점을 확인하였다.
- KNLe 인텔 제온 프로세서와 동일한 도구, 프로그래밍 언어 및 프로그래밍 모델을 사용할 수 있는 완벽한 기능을 제공한다. 병렬 프로그래밍 모델로의 전환은 어떤 면에서는 아주 간단하다.
- 그림 8은 KNL 7210 노드 하나 (쿼드런트) 에서 MPI 프로세스 및 스레드 수를 적절히 섞어 계산의 확장성을 측정한 결과다. MCDRAM (또는 High Bandwidth Memory, HBM)을사용하지 않았을 경우 64 core 이상 사용했을 때 성능상의 이득이 거의 보이지 않는 반면, MCDRAM을 사용했을 때는 256 core까지 성능 확장성이 확연히 개선됨을 확인할 수 있다. Lanczos 알고리즘의 핵심을 이루는 주요 연산인 행렬-벡터 곱셈 (MVMUL) 및 벡터 내적 (VVE心T)에 필요한 병렬 통신 시간 (COMM) 과 메모리 할당/삭제에 필요한 시간 (MEMOP) 은 MCDRAM의 사용에 큰 의존성을 보이지 않지만, MVMUL 및 WD0T의 연산시간 자체는 큰 차이를 보임을 알 수 있는데, 이는 본 계산이 거대 희소 행렬을 수반하는 메모리 집약적 문제에 해당하기 때문이다.
- MCDRAM을 사용하지 않았을 때 3개의 노드 사용시 (1개 노드 대비) 보이는 계산 속도 향상률은 약 236%로, 약 78% (2.36/3) 의 계산 확장성을 얻었으며, 이는 KISTI 슈퍼컴퓨터 4호기 (Tachyon-n, CPU-only 클러스터) 에서 얻은 값 [17] 과 비슷하다. MCDRAM을 사용한 경우 오히려 확장성이 다소 줄어드는 것으로 나타나는데 (-53%), 이는 KNL 확장성 자체가 나쁘다기 보다는 풀고자 하는 (분할된) 문제의 크기가 작아 메모리/계산량 모두 한 노드에서 처리할 수 있는 최대치에 도달하지 않은 것이라고 보는 것이 옳다.
- 또한 Intel KNL 기반 시스템에서 다중 MPI 응용 실행 시, 자원을 효율적으로 활용하기 위한 방법과 I/O 특성 실험을 진행하였으며 이에 따른 실험 결과를 살펴보았다. MPI 활용 응용 실험을 통해서는 MCDRAM과 같은 새로운 형태의 H/W 자원을 애플리케이션 실행 패턴을 고려하여 효율적으로 스케줄링 함으로써 실행 시간 단축 및 전체 시스템 활용률을 향상시킬 수 있음을 실험적으로 보였다. KNL 서버에서 탑재 가능한 스토리지 옵션에 대해서 파일 I/O 특성을 분석함으로서 최적화된 활용 방안을 제시하였으며, NVMe SSD는 매니코어 플랫폼에 적합한 최적의 로컬 스토리지 임을 확인할 수 있었고 고 대역 온-패키지 메모리는 체크포인트-리스타트 때에 임시스토리지로 활용될 수 있음을 보였다.
- 기본적으로 EDAC 출력물은 kernel ring buffer 인 dmesg로 전달되며, 반면에 mcelog는 syslog (/var/log/messages) 에 계속하여 쌓이게 된다. mcelog의 상태 확인은 service 명 령어로 확인이 가능하며, EDAC의 경우에는 kernel의 한 부분이므로 Ismod 명령어를 통하여 확인할 수 있다.
- 모든 작업을 MCDRAM에할당 한 경우와 비교해보면 DDR4에 할당한 CPU 집약형과 통신 집약형 작업의 실행시간 또한 단축되었음을 볼 수 있다. 그리고 작업을 패턴에 따라 적절한 자원에 나누어 할당하는 것이 MCDRAM을 캐시로 사용하는 캐시 모드에 비해서도 더 좋은 성능을 보여주는 것을 확인할 수 있다. 이 실험은 KNL 프로세서상에서 MCDRAM과 같은 새로운 형태의 H/W 자원을 응용들의 실행 패턴을 고려하여 효율적으로 스케줄링 함으로써 실행 시간 단축 및 전체 시스템 활용률을 향상시킬 수 있음을 보여준다.
- 로컬 스토리지의 결과를 분석해보면 HDD, SSD의 경우 작업 개수의 증가, 즉, 고 병렬 I/O에 대해서 확장성을 보이지 않는 반면, NVMe SSD의 경우 확장성을 보이는 것을 확인할 수 있다. NVMe SSD가 PCIe 인터페이스를 통해 CPU에 직결됨으로 가지는 단순화된 I/O경로가 원인으로 판단되며, 따라서 2세대 제온파이 프로세서와 같은 고집적 프로세서 기반의 플랫폼에서는 HDD, SSD보다는 NVMe SSD가 로컬 스토리지로 적합함을 알 수 있다.
-
동시 실행
실험결과 메모리 집약형 작업을 MCDRAM에 우선 할당한 경우 모든 작업의 실행시간이 가장 많이 단축된 것을 확인할 수 있다[8
]. 모든 작업을 MCDRAM에할당 한 경우와 비교해보면 DDR4에 할당한 CPU 집약형과 통신 집약형 작업의 실행시간 또한 단축되었음을 볼 수 있다. - 그리고 작업을 패턴에 따라 적절한 자원에 나누어 할당하는 것이 MCDRAM을 캐시로 사용하는 캐시 모드에 비해서도 더 좋은 성능을 보여주는 것을 확인할 수 있다. 이 실험은 KNL 프로세서상에서 MCDRAM과 같은 새로운 형태의 H/W 자원을 응용들의 실행 패턴을 고려하여 효율적으로 스케줄링 함으로써 실행 시간 단축 및 전체 시스템 활용률을 향상시킬 수 있음을 보여준다.
- KNLe C++, Fortran, OpenMP, TBB, MPI 등의 모든 기능을 지원하는 반면, GPU는 엔비디아 CURA와 같은 특수 GPU 전용 모델 또는 OpenCL과 같은 표준의 하위 집합으로 제한된다. 이것은 KNL을 사용 하는 시스템이 GPU를 사용하는 시스템보다 더 좋은 이식성을 갖으며 광범위한 적용 가능성을 갖는다는 것을 의미한다.
후속연구
- KNL 프로세서를 탑재한 슈퍼컴퓨터는 2016년 6월 ISC에서 발표한 Top500에 처음 등재된 이후 1년 사-이에 15개의 슈퍼컴퓨터 시스템이 KNL 프로세스를 탑재하고 있으며, KNL 프로세서는 기존의 인텔 제온 명령어를 지원하고 고성능을 보여줌으로써 점차 고성능 컴퓨팅 분야에서 많이 사용 될 것으로 예상된다. 또한, KISTI 슈퍼컴퓨터 5호기도 KNL 프로세서 기반 계산 노드를 탑재한 시스템으로 2017년 내에 구축하여 2018년부터 서비스를 시작할 예정이다.
- 예상된다. 또한, KISTI 슈퍼컴퓨터 5호기도 KNL 프로세서 기반 계산 노드를 탑재한 시스템으로 2017년 내에 구축하여 2018년부터 서비스를 시작할 예정이다. 향후 KNL 기반 시스템을 효율적으로 활용하기 위해서는 KNL 프로세서의 특.
- 비슷한 확장성을 가짐을 확인할 수 있다. 특히, 고 대역 온패키지 메모리의 높은 순차 쓰기 확장성은 고 대역 온-패키지 메모리를 필요로 하지 않는 계산응용에서 체크포인트-재시작 시의 임시 스토리지로 적합하게 활용될 수 있을 것으로 보인다.
- 또한, KISTI 슈퍼컴퓨터 5호기도 KNL 프로세서 기반 계산 노드를 탑재한 시스템으로 2017년 내에 구축하여 2018년부터 서비스를 시작할 예정이다. 향후 KNL 기반 시스템을 효율적으로 활용하기 위해서는 KNL 프로세서의 특. 장점을 이해하고 성능 최적화 방법을 정립할 필요가 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.