OpenMP 루프 스케줄링 재조명: 새로운 스케줄링 기법 도입의 필요성

초록

본 논문은 OpenMP에서 제공하는 static, dynamic, guided 세 가지 스케줄만으로는 다양한 어플리케이션·시스템 조합의 성능을 최적화하기 부족함을 지적한다. 최신 동적 루프 자체 스케줄링 기법인 Trapezoid Self‑Scheduling, Factoring, Weighted Factoring, Random을 libGOMP에 구현·평가한 결과, 특정 상황에서 기존 스케줄보다 현저히 높은 효율을 보이며, 어느 하나의 스케줄도 모든 경우에 최적이 아님을 확인한다. 따라서 OpenMP 표준에 추가 스케줄을 도입해 성능 포괄성을 확대할 것을 제안한다.

상세 분석

논문은 먼저 OpenMP 루프 스케줄링의 현황을 정리하고, 기존 static, dynamic, guided 스케줄이 ‘one‑fits‑all’ 솔루션이 될 수 없는 근본적인 이유를 세 가지 관점에서 분석한다. 첫째, 어플리케이션 수준에서는 반복 횟수와 연산량이 불규칙하게 분포하는 경우가 많아 정적 블록 할당이 심각한 로드 불균형을 초래한다. 둘째, 시스템 수준에서는 NUMA 구조, 캐시 계층, 전력 제한, OS 노이즈 등으로 인해 실행 시간 변동성이 커지며, 이는 동적 스케줄링의 오버헤드와 상호작용한다. 셋째, 하드웨어 이질성(CPU와 GPU, 코어별 성능 차이)까지 고려하면 스케줄링 정책이 복합적인 최적화 목표(로드 밸런스, 스케줄링 오버헤드, 데이터 로컬리티)를 동시에 만족시켜야 한다는 점이 강조된다.

이러한 배경에서 논문은 동적 루프 자체 스케줄링(DLS) 기법 네 가지를 선택한다. Trapezoid Self‑Scheduling(TSS)은 초기에는 큰 청크를 할당하고 점차 감소시켜 오버헤드를 억제하면서도 로드 밸런스를 유지한다. Factoring(FAC2)은 전체 반복을 여러 단계로 나누어 각 단계마다 청크 크기를 절반씩 감소시키는 방식으로, 작업량이 크게 변동하는 경우에 유리하다. Weighted Factoring(WF2)은 각 코어의 성능 가중치를 반영해 청크 크기를 조정함으로써 이질적인 시스템에서도 효율적인 분배가 가능하도록 설계되었다. Random 스케줄은 청크 크기를 무작위로 선택해 스케줄링 패턴의 예측 가능성을 낮추어 OS 노이즈와 같은 외부 변동성을 완화한다.

구현은 GNU OpenMP 런타임인 libGOMP에 직접 삽입했으며, 20 스레드(10×2‑way) Broadwell 플랫폼에서 표준 벤치마크와 실제 분자 동역학 어플리케이션을 대상으로 실험을 수행했다. 실험 결과는 다음과 같다. (1) 정적 스케줄은 균등한 반복 분포에서는 최적이지만, 불규칙하거나 변동성이 큰 워크로드에서는 성능 저하가 30 % 이상 발생한다. (2) 기존 dynamic 및 guided 스케줄도 일정 수준의 개선을 보이지만, TSS, FAC2, WF2, Random 중 하나 이상을 적용했을 때 평균 12 %~25 %의 추가 속도 향상이 관측되었다. (3) 어느 한 스케줄도 모든 테스트 케이스를 압도적으로 앞서는 경우는 없었으며, 워크로드 특성(불규칙성 정도, 반복 수, 데이터 접근 패턴)과 시스템 상태(코어 성능 차이, OS 노이즈)마다 최적 스케줄이 달라졌다.

이러한 결과는 OpenMP 표준에 현재 포함된 세 가지 스케줄만으로는 현대의 복합적인 공유 메모리 환경을 충분히 커버하지 못한다는 강력한 증거가 된다. 논문은 표준에 DLS 계열을 새로운 스케줄 옵션으로 공식화하고, 런타임이 자동으로 워크로드 특성을 탐지해 최적 스케줄을 선택하도록 하는 적응형 메커니즘의 도입을 제안한다. 또한, 향후 연구 과제로는 스케줄 선택을 위한 머신러닝 기반 예측 모델, 이질적인 코어와 가속기를 동시에 활용하는 하이브리드 스케줄링, 그리고 OS 레벨 노이즈 억제를 위한 시스템 콜 인터페이스 설계 등을 제시한다.