그래프 재배열을 통한 지역성 최적화와 지름 영향 분석

초록

본 논문은 그래프 처리 시 캐시 미스 감소를 목표로, 정점의 “핫”(고차수) 특성과 커뮤니티 구조를 동시에 고려한 가벼운 재배열 기법 LOrder를 제안한다. LOrder는 정점을 “핫‑콜드” 블록으로 구분하고, 각 블록을 커뮤니티 기반의 지역(locality) 단위로 묶어 순차적으로 재배열한다. 두 가지 구현(시드 기반, 실제 연결 요소 기반)에서 재배열 비용과 실행 시간 사이의 트레이드오프를 실험적으로 분석하고, 그래프 직경이 알고리즘 성능에 미치는 영향을 조사한다. BFS, CC, CCSV, PR, BC 등 다섯 가지 대표 알고리즘에 대해 기존 GOrder·S‑Order·N‑Order·DBG와 비교했을 때 평균 1.2×, 최고 7×의 속도 향상을 기록하였다.

상세 분석

본 연구는 그래프 처리에서 캐시 미스가 전체 실행 시간의 절반 이상을 차지한다는 기존 연구를 출발점으로 삼아, “핫 정점”(고차수 정점)과 커뮤니티 구조라는 두 가지 자연 그래프의 특성을 동시에 활용하는 재배열 전략을 설계하였다. 기존 GOrder는 정점 간 스코어 함수를 기반으로 근접성을 최대화하려 하지만, 재배열 비용이 높고, 정점의 공간적 지역성을 충분히 보존하지 못한다. 반면, DBG는 차수 기반으로 블록을 구성해 캐시 라인 내 차수 편차를 최소화하지만, 정점 간 실제 연결 관계를 무시한다. LOrder는 이러한 한계를 극복하기 위해 먼저 전체 정점을 “핫”(degree > average)과 “콜드”로 구분하고, 각 그룹을 커뮤니티(또는 연결 요소) 단위로 나눈 뒤, 각 커뮤니티 내부에서는 BFS 순서를 유지한다. 이렇게 하면 (1) 핫 정점이 같은 캐시 블록에 집중돼 시간적 지역성(temporal locality)이 강화되고, (2) 커뮤니티 내부의 원래 인접 관계가 유지돼 공간적 지역성(spatial locality)이 손상되지 않는다. 두 가지 구현 방식—시드 정점을 가장 낮은 인덱스로 선택하는 간단 버전과, 실제 그래프의 ground‑truth 커뮤니티(연결 요소)를 그대로 사용해 재배열하는 정교 버전—을 통해 재배열 시간과 실행 시간 사이의 트레이드오프를 정량화하였다. 실험 결과, 정교 버전은 재배열에 더 많은 시간이 소요되지만, 특히 직경이 큰 그래프(예: 소셜 네트워크)에서 BFS·CC와 같은 인접 기반 알고리즘의 실행 시간이 현저히 감소한다. 반면, 직경이 짧은 그래프(예: 웹 링크 그래프)에서는 간단 버전도 충분히 높은 속도 향상을 제공한다. 또한, 그래프 직경이 클수록 재배열 후 정점 간 평균 거리 감소가 커져, 메모리 접근 패턴이 더 지역화되고 캐시 효율이 크게 향상된다는 점을 확인하였다. 이러한 분석은 그래프 재배열이 단순히 “핫 정점”을 모으는 것이 아니라, 그래프의 구조적 특성(커뮤니티와 직경)을 고려해야 최적의 성능을 얻을 수 있음을 시사한다.