이기종 플랫폼에서 데이터 병렬 애플리케이션의 성능·에너지 최적화를 위한 작업 부하 분배 이중 목표 최적화

초록

본 논문은 이기종 CPU·GPU·Xeon Phi 환경에서 데이터 병렬 프로그램의 실행 시간과 동적 에너지 소비를 동시에 최소화하는 이중 목표 최적화 문제를 다룬다. 작업 부하 분배를 의사결정 변수로 삼아, 선형·비선형 성능·에너지 프로파일을 모두 포괄하는 이산형 전역 최적화 알고리즘을 제안하고, 시스템‑레벨 전력 측정을 기반으로 한 동적 에너지 프로파일 구축 방법을 제시한다. 매트릭스 곱셈과 2D‑FFT 실험을 통해 부하 불균형 해가 다수 존재함을 보이며, 기존의 부하 균형 접근법이 놓치는 최적 해들을 찾아낸다.

상세 분석

이 연구는 이기종 컴퓨팅 환경에서 “성능‑에너지”라는 두 축을 동시에 고려해야 하는 현실적인 요구를 정확히 포착한다. 기존 연구들은 주로 동적 전압·주파수 스케일링(DVFS)이나 정적인 전력 제한을 활용해 단일 목표 혹은 제한된 파레토 프론트를 생성했지만, 본 논문은 작업 부하 분배 자체를 의사결정 변수로 삼아 전역 파레토 최적 해 집합을 탐색한다. 특히, 선형 성능·에너지 모델에서도 파레토 프론트가 무한히 많은 해를 포함하는 직선 형태가 된다는 이론적 증명을 제시함으로써, 이기종 시스템에서는 부하 균형 해가 최적이 아닐 가능성이 높다는 직관을 정량화한다.

실제 매트릭스 곱셈(DGEMM)과 2D‑FFT 워크로드에 대해, 저자들은 각각의 추상 프로세서(CPU, GPU, Xeon Phi)를 독립적인 이산형 실행 시간·동적 에너지 함수로 모델링한다. 이때, 리소스 경쟁과 NUMA 효과를 반영하기 위해 동일한 물리적 코어 그룹을 하나의 추상 프로세서로 묶고, 실험 단계에서 모든 커널을 동시에 실행해 실제 컨텐션을 측정한다. 시스템‑레벨 전력계(외부 전력 미터)를 이용해 동적 에너지 프로파일을 구축하는 방법은, 온칩 센서가 제공되지 않는 환경에서도 높은 정확도를 확보한다는 장점이 있다.

제안된 전역 최적화 알고리즘 HEPOPT‑A는 이산형 입력을 그대로 사용해 정확한 파레토 프론트를 계산한다. 알고리즘은 동적 에너지와 실행 시간을 각각 최소화하는 단일 목표 해를 양 끝점으로 두고, 그 사이의 모든 가능한 부하 분배 조합을 효율적으로 탐색한다. 실험 결과, 매트릭스 곱셈에서는 68개의 파레토 해가 도출됐으며, 최고 성능 해는 1.08 초·604 J, 최소 에너지 해는 1.63 초·167 J로, 성능을 51 % 희생하면 에너지를 72 % 절감할 수 있음을 보여준다. 2D‑FFT에서는 18개의 파레토 해가 발견됐으며, 최고 성능 해는 0.48 초·138 J, 최소 에너지 해는 0.92 초·90 J로, 성능을 92 % 포기해야 에너지 절감 효과가 극대화됨을 확인한다.

특히, 파레토 프론트 내에서 부하 균형 해(파란 원)와는 달리 대부분의 최적 해가 부하 불균형 형태임을 강조한다. 이는 전통적인 “로드 밸런싱” 전략이 이기종 시스템에서 최적이 아님을 실증적으로 입증한다. 또한, 동적 에너지와 정적(스태틱) 에너지의 합을 고려한 HTPOPT 문제에도 동일한 알고리즘 구조를 적용할 수 있음을 제시함으로써, 전체 에너지 모델링까지 확장 가능함을 보여준다.

이 논문의 주요 기여는 (1) 이기종 환경에서 작업 부하 분배가 파레토 최적 해의 폭을 급격히 확대한다는 이론적·실험적 증명, (2) 가장 일반적인 이산형 성능·에너지 프로파일을 직접 입력으로 받아 전역 최적 해를 정확히 구하는 알고리즘, (3) 시스템‑레벨 전력 측정만으로도 신뢰할 수 있는 동적 에너지 프로파일을 구축하는 실용적인 방법론이다. 이러한 기여는 향후 HPC·클라우드 스케줄러, 에너지‑효율 최적화 프레임워크, 그리고 이기종 클러스터 관리 시스템에 바로 적용될 수 있다.