K‑평균 클러스터링을 위한 병렬 블록 처리 방식 비교 분석

초록

본 논문은 1000×1000 이상 고해상도 위성 영상을 대상으로 K‑Means 클러스터링을 수행할 때, 행‑형, 열‑형, 정사각형‑형 블록 분할이라는 세 가지 병렬 블록 처리 방식을 제안하고 실험적으로 비교한다. 각 방식의 데이터 접근 패턴, 통신 비용, 로드 밸런싱 특성을 분석하여 순차 알고리즘 대비 실행 시간 감소와 성능 향상을 정량화한다. 실험 결과, 정사각형‑형 블록이 메모리 캐시 효율과 통신 오버헤드 측면에서 가장 우수한 성능을 보이며, 전체적인 속도 향상률은 3.2배에 달한다.

상세 분석

이 연구는 대규모 위성 영상 처리에서 K‑Means 클러스터링의 병렬화가 필수적이라는 전제 하에, 데이터 블록을 어떻게 나누어 각 프로세서에 할당하느냐가 전체 성능에 미치는 영향을 체계적으로 조사한다. 먼저 행‑형 블록은 이미지의 가로 방향으로 연속된 행을 하나의 작업 단위로 묶어, 각 프로세서가 연속적인 메모리 영역을 순차적으로 읽을 수 있게 함으로써 메모리 접근 지역성을 확보한다. 그러나 클러스터 중심 업데이트 단계에서 행 간 경계에 걸친 데이터가 빈번히 교환되어 통신 오버헤드가 증가한다. 열‑형 블록은 행‑형과 대칭적인 구조를 가지며, 열 방향으로 연속된 데이터를 처리한다. 이 경우도 행‑형과 마찬가지로 경계 교환이 필요하지만, 이미지가 일반적으로 가로보다 세로가 더 큰 경우 열‑형이 메모리 대역폭을 더 효율적으로 활용할 수 있다. 정사각형‑형 블록은 행·열을 균등하게 나누어 2차원 영역을 할당함으로써, 각 프로세서가 처리하는 데이터가 공간적으로 국소화된다. 이는 캐시 라인 활용도를 극대화하고, 경계 교환 횟수를 최소화한다는 장점이 있다. 특히 K‑Means의 반복 단계에서 각 클러스터 중심이 전체 이미지에 걸쳐 전역적으로 업데이트되므로, 정사각형‑형 블록은 통신 패턴을 정규화하고, MPI_Allreduce와 같은 집계 연산의 비용을 감소시킨다. 실험에서는 OpenMP와 MPI를 혼합한 하이브리드 모델을 사용했으며, 블록 크기에 따라 로드 밸런싱이 크게 달라짐을 확인했다. 작은 블록은 오버헤드가 커지지만, 큰 블록은 특정 프로세서에 과부하가 집중될 위험이 있다. 최적 블록 크기는 이미지 해상도와 클러스터 수(K)에 따라 달라지며, 논문에서는 256×256 정사각형 블록이 4096 코어 환경에서 가장 높은 효율을 보였다. 전체적으로 정사각형‑형이 메모리 계층 구조와 통신 비용을 동시에 최적화함으로써, 순차 K‑Means 대비 평균 3.2배, 최악의 경우 2.7배의 속도 향상을 달성하였다.