모델 분할을 통한 분산 제약 해결

초록

제약 만족 문제를 병렬로 풀기 위해 기존에는 풀이기에 병렬 탐색 기능을 내장하는 방식을 사용했다. 본 논문은 모델 자체를 분할하여 각각의 서브 모델에 검색 공간을 나누는 제약을 추가함으로써, 별도의 통신 없이도 여러 머신에서 동시에 탐색할 수 있는 새로운 접근법을 제시한다. 이 방법은 구현이 간단하고, 작업을 중단·재시작하거나 다른 기기로 옮기는 것이 용이하다는 장점을 가진다.

상세 요약

본 논문은 제약 만족 문제(CSP)의 병렬 해결을 위해 “모델 분할”이라는 개념을 도입한다. 전통적인 병렬 CSP 해결 방식은 탐색 엔진 내부에 작업 분할 로직을 삽입하거나, 마스터‑워커 구조를 구축해 작업 큐를 공유하는 형태가 일반적이다. 이러한 접근법은 구현 복잡도와 통신 오버헤드, 그리고 장애 복구 시의 어려움이라는 단점을 안고 있다. 저자들은 이러한 문제점을 회피하기 위해 기존 모델을 그대로 두고, 추가적인 제약을 삽입해 검색 공간을 서로 겹치지 않도록 명시적으로 나눈다. 구체적으로, 원래 모델 M에 대해 변수 x에 대한 도메인 D를 D₁, D₂,…, Dₖ 로 분할하고, 각각의 서브 모델 Mᵢ에 “x ∈ Dᵢ”라는 제약을 추가한다. 이렇게 하면 각 서브 모델은 독립적인 탐색 트리를 갖게 되며, 서로 다른 머신에서 완전히 독립적으로 실행될 수 있다.

또한, 이미 수행된 탐색을 배제하기 위한 “이미 탐색된 영역 차단” 제약도 선택적으로 삽입한다. 이는 작업이 중단된 뒤 재시작하거나, 다른 머신으로 이전할 때 중복 작업을 방지한다. 이러한 차단 제약은 기존 해 탐색 로그를 기반으로 생성되며, 로그가 누적될수록 차단 제약도 점진적으로 강화된다.

핵심적인 장점은 구현의 단순성이다. 모델 분할은 기존 CSP 솔버에 별도의 병렬 모듈을 추가할 필요 없이, 모델 파일만 수정하면 된다. 따라서 솔버 자체를 수정하거나, 복잡한 메시지 전달 프로토콜을 구현할 필요가 없으며, 파일 기반의 작업 스케줄링 시스템과도 자연스럽게 연동된다. 또한, 작업을 언제든지 중단하고, 파일만 복사해 다른 머신에 배치하면 동일한 서브 모델을 그대로 실행할 수 있기 때문에, 장애 복구와 자원 재배치가 매우 용이하다.

성능 측면에서는 분할된 서브 모델이 서로 다른 탐색 경로를 담당하므로, 이론적으로는 선형적인 속도 향상이 기대된다. 다만, 분할 과정에서 도메인을 균등하게 나누지 못하거나, 특정 서브 모델에 탐색 난이도가 집중될 경우 부하 불균형이 발생할 수 있다. 이를 완화하기 위해 동적 재분할이나 작업 stealing 기법을 도입할 여지가 있다.

결론적으로, 모델 분할은 “소프트웨어가 아닌 모델을 바꾸는” 접근법으로, 기존 CSP 솔버와 인프라를 그대로 활용하면서도 높은 이식성, 장애 복구 능력, 그리고 구현 편의성을 제공한다. 향후 연구에서는 자동 분할 알고리즘, 부하 균형 전략, 그리고 대규모 클라우드 환경에서의 스케줄링 정책과의 통합이 기대된다.