D2GRAF: dynamic and decentralized GPU resource allocation framework for high performance computing on cloud system

Abstract

최근 전산처리능력에 있어 GPU 상의 범용계산(GPGPU)의 진화가 상당히 진전됨에 따라, 많은 수의 고성능 컴퓨터 플랫폼이 GPGPU를 엑셀러레이터 엔진으로써 통합시켜 왔다. 사용자들에게 자신만의 고성능컴퓨터를 설정할 수 있도록 하는 클라우드 프로바이더의 경우 또한 GPGPU를 클라우드 리소스로써의 활용을 고려하고 있다. 클라우드 상에서 GPGPU를 리소스화 한 (GPU 가상화라 불리는) 최근의 최첨단 기술로는 NVIDIA Grid, PCI Pass through, Remote API 등이 있다. 이들 중 Remote API는 PCI Pass through 보다 리소스 사용율이 더 우수하고, NVIDIA Grid 보다 전개면에서 더 유연하다. 그러나, 확장성 문제나, 고장감내 시스템의 요구사항, 최적화된 리소스 사용 등 클라우드 시스템에서 야기될 수 있는 여러가지 난제들을 고려하여 클라우드 플렛폼에 도입되는 것에 대한 포괄적인 연구는 없는 상태이다.

본 논문에서는 GPGPU와 클라우드 플렛폼의 특징을 분석하고 클라우드 플랫폼과 GPGPU의 통합적 프레임워크인 D2GRAF를 제시하였다. D2GRAF 는 확장성과 고장감내 능력을 갖춘 시스템을 목적으로 하여 고안되었다. 이를 달성하기 위해서, D2GRAF는 마스터와 슬레이브 역할 내에서 운영되는 복수의 일정관리 체제(D2GRAF 스케줄러)로 이루어진다. 효과적인 일정관리와 확장성을 구축하기 위하여, 이 체제들은 주키퍼 서버와 인피니밴드 네트워크 라이브러리와 협력하면서, 네트워크 접근에 따라 클러스터를 구축한다. 결국, 주키퍼의 “Watch” 기능이 마스터와 슬레이브의 고장을 신속하게 복구함으로써 높은 고장감내 능력을 달성할 수 있도록 도와주는 것이다.

이 구조는 실질적인 실행 및 시뮬레이션(모의실험) 모두에서 측정되었다. 결과에 따르면, D2GRAF는 GPU가상화 기술에 비해 오버헤드가 감소한다. 또한 1000번에 걸친 노드 모의실험결과 높은 고장감내 능력과 확장성을 보인다.