Voronoi 기반 부하 균형으로 효율적인 병렬 계산

초록

이 논문은 CPU마다 Voronoi 셀을 정의해 각 셀에 포함된 물리량(입자·셀)을 할당하고, 셀 중심을 이동시켜 부하를 자동 조정하는 방법을 제안한다. 전역 데이터 재분배 없이도 거의 완벽한 부하 균형을 유지하며, 통신량을 최소화한다. 2D 이동 메쉬 유체 코드 RICH에 적용한 실험에서 약한·강한 스케일링과 다양한 초기 분포에 대한 빠른 수렴을 보이며, SPH·AMR 등 다른 방식에도 확장 가능함을 입증한다.

상세 분석

본 연구는 병렬 유체 시뮬레이션에서 가장 큰 병목 중 하나인 부하 불균형과 통신 오버헤드를 동시에 해결하기 위해 Voronoi 다이어그램을 활용한 새로운 도메인 분할 방식을 제시한다. 기존의 고정 격자나 트리 기반 파티셔닝은 정적 메쉬에서는 효율적이지만, 입자 위치가 시간에 따라 변하는 SPH, AMR, 이동 메쉬와 같은 동적 메쉬에서는 주기적인 전역 재분배가 필요해 통신 비용이 급증한다. 저자들은 “CPU 메쉬 포인트”라는 가상의 점들을 각 프로세서에 할당하고, 이 점들의 Voronoi 셀을 각 프로세서의 작업 영역으로 정의한다. 초기에는 전체 도메인을 Voronoi 셀로 나누고, 각 셀 안에 포함된 물리적 입자·셀(이하 하이드로 포인트)을 해당 프로세서 메모리에 로드한다. 시간 단계마다 하이드로 포인트가 이동해 다른 Voronoi 셀에 들어가면, 해당 포인트를 새로운 프로세서로 전송한다. 이 과정은 Voronoi 이웃 정보를 이용해 O(√N) (2D) 혹은 O(N^{2/3}) (3D) 수준의 통신만 발생시키므로, 포인트 수가 충분히 클 경우 전체 실행 시간에 미치는 영향이 미미하다.

부하 조정을 위한 핵심 메커니즘은 “Pressure Balancing Scheme”이다. 각 프로세서는 현재 보유한 하이드로 포인트 수 M_i 를 기준으로 “압력”을 정의하고, 목표 평균 포인트 수 M_best = (전체 포인트 수)/(프로세서 수)와 비교한다. 이후 CPU 메쉬 포인트의 위치를 다음 식에 따라 이동시킨다.
dx_i = M_best·∑_j (x_i - x_j)·(1/(M_j+1) - 1/(M_i+1))
x_i^{new} = x_i + α·dx_i (α는 이동 제한 파라미터)
이 식은 포인트가 과부하된 셀에서 과소부하된 셀로 이동하도록 하는 힘을 계산한다. 또한 셀의 반경 R_i 를 면적·부피에 따라 정의해 이동 거리의 상한을 설정한다. 필요에 따라 Lloyd 반복을 수행해 Voronoi 셀을 원형에 가깝게 유지함으로써 이웃 수를 최소화한다.

성능 평가에서는 RICH 코드를 MPI 기반으로 구현하고, 인텔 Xeon E5-2670 클러스터(56노드, 448코어)에서 다양한 실험을 수행했다. 첫 번째 실험은 10^4·128 하이드로 포인트를 128 프로세서에 고르게 배치한 블래스트 웨이브 테스트로, 초기 부하 균형이 거의 완벽했으나 시간이 흐르면서 약간의 불균형이 발생했음에도 평균 부하 비율이 1.11 수준에 머물러 전역 재분배 없이도 효율적인 실행이 가능함을 보였다. 약한 스케일링 테스트에서는 프로세서 수를 늘려도 10^5 포인트/프로세서 조건에서 시간당 스텝 증가가 미미했고, Intel Turbo Boost 효과와 비동기 통신(비차단 메시지) 도입 시 더욱 개선될 여지를 확인했다. 강한 스케일링에서는 전체 포인트 수를 고정하고 프로세서 수를 증가시켰을 때, 10^6~10^7 포인트 규모에서는 거의 이상적인 1/N 스케일링을 달성했으며, 10^4 포인트/프로세서 이하에서는 통신 오버헤드가 지배적이 되어 효율이 떨어졌다.

또 다른 실험으로는 균일 분포의 Gresho vortex를 64 프로세서에서 실행했으며, 부하 비율이 시간에 따라 거의 변하지 않아 안정적인 부하 유지가 가능함을 확인했다. 마지막으로 초기 부하가 극도로 불균형한 지수 분포 테스트에서는 96 프로세서와 9.6·10^5 포인트를 사용해 약 300 회 반복 후 부하 비율이 1.4 수준으로 크게 개선되었으며, 이는 이론적 수렴 시간(p·N_cpu/α)과 일치한다.

이러한 결과는 제안된 Voronoi 기반 부하 균형 방식이 동적 메쉬, 입자 기반, 격자 기반 등 다양한 시뮬레이션 프레임워크에 적용 가능함을 시사한다. 특히 전역 데이터 재분배 없이도 로컬 이웃 통신만으로 부하를 자동 조정할 수 있어, 대규모 병렬 환경에서 메모리 사용량과 통신 비용을 크게 절감할 수 있다. 향후 비차단 MPI 구현, GPU 가속 및 3D 확장 등을 통해 더욱 높은 효율성을 기대한다.