earticle

영어

Latest High Performance Computing (HPC) platforms are built with heterogeneous chips such as multicore microprocessors and multicore GPUs (Graphic Processing units), thus they are commonly called as Heterogeneous HPC platforms. Parallelizing applications on such platforms is mostly dominated by SIMD style of parallelism mainly to exploit GPUs’ excellent floating-point performance. However, it is a restricted parallel execution model because the multiple CPU cores are not usually participating in the parallel execution, thus the full performance potential of heterogeneous architectures is not exploited. In this paper, we propose a generalized parallelization methodology to efficiently map applications onto the heterogeneous HPC architectures in order to fully exploit their performance potential. For the methodology, we develop strategies to map parallel tasks onto different components of the heterogeneous architectures based on their application characteristics and the computing demands. A general parallel execution model beyond SIMD is adopted in the task mapping.

한국어

최근의 고성능 컴퓨팅 플랫폼(Latest High Performance Computing: HPC)들은 멀티코어 마이크로 프로세서 및 멀티코어 GPU (Graphic Processing unit) 같은 이질적인 칩들을 조합하여 구축되고 있으며, 그러한 이유로 이질적 HPC 플랫폼으로 불린다. 이러한 이질적 HPC 플랫폼 상에서의 응용 프로그램 병렬화는 GPU의 탁월한 부동 소수점 연산 능력을 활용하기 위해서 SIMD 방식을 주로 따르고 있다. 하지만, 이러한 방식은 이질적 HPC 플랫폼을 구성하는 중요 요소 중 하나인 범용 멀티코어 마이크로프로세서의 CPU 코어들을 병렬실행에 제대로 활용하지 못하기 때문에 가용 가능한 성능을 최대한 끌어내지 못함으로써 제한된 병렬화 방식이다. 본 논문에서는 응용 프로그램을 이질적 HPC 플랫폼 상에 매핑시키는 과정에서 가용 가능한 성능을 최대한 끌어낼 수 있도록 하는 병렬화 방법론을 제안한다. 제안하는 병렬화 방법론에서는 병렬 태스크들을 그 특징 및 계산 요구량에 따라 이질적 HPC 아키텍쳐의 구성 요소들에 적절히 분배할 수 있는 기법을 개발한다. 이를 위하여 태스크 매핑 과정에서 SIMD 방식을 넘어선 보다 보편적으로 적용 가능한 실행 모델을 활용한다.