동시 가상 환경에서 병렬 라이브러리 친화성 효과

초록

본 논문은 클라우드 기반 가상 서버에서 여러 과학 애플리케이션이 동시에 실행될 때, 사용된 병렬 라이브러리와 애플리케이션 유형이 서로에게 미치는 영향을 ‘친화성(Affinity)’이라는 개념으로 정의하고 정량화한다. 실험 결과, MPI, OpenMP, CUDA 등 라이브러리 조합이 성능 변동을 크게 일으키며, 특정 조합은 자원 경쟁을 완화해 안정성을 높이는 반면, 다른 조합은 심각한 스로틀링을 초래한다는 것을 보여준다.

상세 분석

이 연구는 HPDC(High‑Performance Parallel and Distributed Computing) 분야에서 가상화 레이어가 성능에 미치는 영향을 기존에 많이 조사했음에도 불구하고, 애플리케이션 종류와 병렬 라이브러리 선택이 동시에 고려된 경우를 거의 다루지 않았다는 점을 지적한다. 저자들은 ‘친화성(Affinity)’을 “동일 물리 서버 내에서 서로 다른 애플리케이션이 동시에 실행될 때 한 애플리케이션이 다른 애플리케이션의 성능에 미치는 영향 정도”로 정의하고, 이를 정량화하기 위해 3가지 애플리케이션 클래스(계산 집약형, 메모리 집약형, I/O 집약형)와 4가지 병렬 라이브러리(MPI, OpenMP, CUDA, Hybrid)를 조합한 실험 매트릭스를 구축하였다. 실험 환경은 최신 x86_64 서버에 KVM 기반 가상 머신을 배치했으며, 각 VM은 동일한 코어와 메모리 할당량을 갖도록 설정하였다.

핵심 결과는 다음과 같다. 첫째, 동일 라이브러리를 사용하는 애플리케이션 간에는 높은 친화성을 보였으며, 특히 OpenMP 기반 메모리 집약형 작업이 동시에 실행될 때 캐시 라인 경쟁이 최소화되어 전체 스루풋이 향상되었다. 둘째, 서로 다른 라이브러리 간에는 비선형적인 성능 저하가 관찰되었는데, 예를 들어 MPI 기반 계산 집약형 애플리케이션과 CUDA 기반 GPU 가속 애플리케이션이 동시에 실행될 경우, CPU와 GPU 사이의 PCIe 대역폭 경쟁으로 인해 두 작업 모두 평균 30 % 이상의 실행 시간이 증가하였다. 셋째, 하이브리드(MPI+OpenMP) 조합은 다중 노드 환경에서는 효율적이지만, 단일 물리 서버 내 가상화된 다중 VM 상황에서는 오히려 스케줄링 오버헤드가 커져 친화성이 낮아졌다.

또한, 저자들은 친화성을 수치화하기 위해 ‘Affinity Index (AI)’라는 지표를 도입하였다. AI는 동일 실험 조건에서 단일 애플리케이션 실행 시 평균 성능 대비, 동시 실행 시 평균 성능 비율을 로그 스케일로 변환한 값이다. AI가 0에 가까울수록 친화성이 높고, 음수 값이 클수록 경쟁이 심함을 의미한다. 실험 결과, OpenMP‑OpenMP 조합은 AI≈ ‑0.2로 가장 높은 친화성을 보였으며, MPI‑CUDA 조합은 AI≈ ‑1.5로 가장 낮은 친화성을 나타냈다.

이러한 정량적 분석을 통해 저자들은 클라우드 운영자가 워크로드 스케줄링 시 ‘라이브러리 친화성 매트릭스’를 활용해 동일 물리 서버에 배치할 애플리케이션을 사전 선정함으로써, 자원 경쟁을 최소화하고 전반적인 시스템 안정성을 높일 수 있음을 제안한다. 또한, 가상화 레이어 자체가 CPU 스케줄링, 메모리 페이지 교체 정책 등에 미치는 영향을 고려한 친화성 모델링이 필요함을 강조한다.