이 발표는 넥슨의 신규 개발 게임인 듀랑고의 생태계에 대한 간략한 소개와 OpenCL 을 이용한 병렬 처리에 관한 전반적인 기술적 내용을 다룹니다. 게임 속의 세계에서 지형과 기후, 지질 조건에 맞게 여러 종류의 식물과 광물들을 알맞은 곳에 배치시키는 것이 생태계 시뮬레이터의 역할인데, 이 시뮬레이터는 방대한 양의 계산을 수행합니다. 초기에 만들어진 프로토타입은 이러한 계산을 수행하는데 30분이 넘게 걸렸지만, 병렬처리, 알고리즘 시간복잡도 개선 등의 여러가지 방법들을 통해 그 시간을 11초까지 단축시켰습니다. 구체적으로 어떤 방법들을 시도했었고, 어떤 방법들이 효과가 있었는지 여러분과 그 경험담을 공유하고자 합니다.
1. 21세기 정원사의 OpenCL 경험담
<야생의 땅: 듀랑고>의 식물 생태계를 담당하는
넥슨코리아
변수민 <suminb@nexon.co.kr>
2. 발표자 소개 - 변수민
• University of Arizona
• 컴퓨터 과학(computer science) 전공, 수학 부전공 (2010)
• 같은 학교 로봇 인공지능 연구실에서 리서치 프로그래머로 근무 (2011)
• 같은 학교에서 컴퓨터 과학 석사 (2013)
• 작년 7월에 넥슨에서 게임 프로그래머로 근무 시작 (2014)
• 관심 분야: 머신 러닝(machine learning), 데이터 마이닝(data
mining), 분산 시스템
3. Disclaimers
• 저는 OpenCL 전문가가 아닙니다
• C# 도 처음 써보는겁니다
• 처음 접해보는 초보자 입장에서 하는 이야기
• 이렇게 많은 사람들 앞에서 이렇게 긴 발표를 해 보는것도 처음
4. 목차
• <야생의 땅: 듀랑고> 에 대한 이야기
• 생태계 시뮬레이터 소개
• 바이오매스 계산에 대한 이야기
• OpenCL 실행 모델, 메모리 모델
• OpenCL 경험담
• 회고록
10. 오픈 월드
• 방대한 크기의 오픈 월드
• 여러개의 섬
스마트폰 화면으로 섬 하나를 모두 담으려면 축구장 하나의 크기 정도
• 자유롭게 돌아다니며 채집, 사냥, 건설, 농사 등의 활동
• 월드는 수작업이 아닌 자동으로 생성
11. 수작업 나빠요
:-)
:-(
CC BY 3.0 http://en.wikipedia.org/wiki/Shielded_metal_arc_welding
CC 3.0 http://en.wikipedia.org/wiki/File:Robotworx-arc-welding-robots.jpg
12. 게임 월드 생성 절차
WorldGen
Ecosystem
Simulator
Animal
Incubator
게임 서버
지형 정보 동식물 배치 정보
지형 생성 도구
13. 게임 월드 생성 절차
WorldGen
Ecosystem
Simulator
Animal
Incubator
게임 서버
지형 정보 동식물 배치 정보
지형 생성 도구
38. 바이오매스(biomass) 계산
Biomass is biological material derived from living, or recently living organisms[^1]
[^1]: http://en.wikipedia.org/wiki/Biomass
CC-BY-NC-SA http://www.dialogosfederativos.gov.br/?p=1666
39. 바이오매스
• 특정 생명체가 가지는 생물학적 질량
• 우리 게임에서는 식물 크기의 척도로 사용되기도 함
• 식물의 생장 조건 중 하나가 주변의 바이오매스 총량
• 우리의 기획 의도를 반영할 수 있는 도구 중 하나
• 빽빽하게 심거나, 듬성듬성하게 심거나
45. OpenCL 소개
• 명세 공개
• 크로스 플랫폼
• 여러 종류의 장비를 지원하는 (CPU, AMD/NVIDIA GPUs)
• 병렬 프로그래밍 프레임워크
• 여러가지 언어 바인딩 지원
• 이용 분야: 엔터테인먼트, 멀티미디어, 금융, 과학, 의학 등
(<야생의 땅: 듀랑고>, photography, video editing, computational biology, fluid dynamics, Monte-Carlo,
climate physics modeling, N-body simulations, search for weak astrophysical signals from spinning
neutron stars, GPU-based motion correction of contrast-enhanced liver MRI scans, and the list goes on)
46. OpenCL 소개
• 실행 모델
• Task/data parallelism
• 커널(Kernel)
• 메모리 모델
• 메모리 계층구조 (NUMA)
• Work-item, work-group
• 메모리 보호
53. OpenCL Kernel
• C 함수라고 보아도 무방
• OpenCL C = An extended and subsetted version of C99
• 1, 2 또는 3차원 인덱스 스페이스(index space)에 대하여 커널을 실행
• 인덱스 스페이스는 컴퓨테이션 도메인(computation domain)이라 표현하기도 함
56. OpenCL Kernel Execution
…w = u + v
1
…
2
2
3
3
4
n
n+1
3 5 7 2n+1
*(u+0)
*(v+0)
*(u+1)
*(v+1)
*(u+2)
*(v+2)
*(u+n-1)
*(v+n-1)
w = u + v w = u + v w = u + v
…*(w+0) *(w+1) *(w+2) *(w+n-1)
0 1 2 n-1
57. OpenCL Kernel Execution
…w = u + v
1
…
2
2
3
3
4
n
n+1
3 5 7 2n+1
*(u+0)
*(v+0)
*(u+1)
*(v+1)
*(u+2)
*(v+2)
*(u+n-1)
*(v+n-1)
w = u + v w = u + v w = u + v
…*(w+0) *(w+1) *(w+2) *(w+n-1)
0 1 2 n-1
58. OpenCL Kernel Execution
…w = u + v
1
…
2
2
3
3
4
n
n+1
3 5 7 2n+1
*(u+0)
*(v+0)
*(u+1)
*(v+1)
*(u+2)
*(v+2)
*(u+n-1)
*(v+n-1)
w = u + v w = u + v w = u + v
…*(w+0) *(w+1) *(w+2) *(w+n-1)
0 1 2 n-1
59. OpenCL Kernel Execution
…w = u + v
1
…
2
2
3
3
4
n
n+1
3 5 7 2n+1
*(u+0)
*(v+0)
*(u+1)
*(v+1)
*(u+2)
*(v+2)
*(u+n-1)
*(v+n-1)
w = u + v w = u + v w = u + v
…*(w+0) *(w+1) *(w+2) *(w+n-1)
0 1 2 n-1
60. OpenCL Kernel Execution
…w = u + v
1
…
2
2
3
3
4
n
n+1
3 5 7 2n+1
*(u+0)
*(v+0)
*(u+1)
*(v+1)
*(u+2)
*(v+2)
*(u+n-1)
*(v+n-1)
w = u + v w = u + v w = u + v
…*(w+0) *(w+1) *(w+2) *(w+n-1)
0 1 2 n-1
61. __kernel void vector_addition(
__global float* w,
__global const float* u,
__global const float* v) {
int i = get_global_id(0);
w[i] = u[i] + v[i];
}
Example of Kernel
1차원 글로벌 인덱스
62. Work-item, work-group
• Work-item: each independent
element of execution in the
computation domain
• Work-group: work-items are
grouped together into
independent work-groups; local
memory is shared within a work-
group
63. Work-item
• 독립적인 실행 단위, 하나의 커널을 실행
• 여러 work-item 이 동시에 실행
• Private 메모리를 가질 수 있음
Work-item 1 Work-item 2 Work-item n
…
Private Memory
Kernel
Private Memory
Kernel
Private Memory
Kernel
64. Work-group
• Work-item 의 집합
• 그룹 내의 work-item 들은 로컬 메모리를 공유, 동기화 가능
• 그룹간 로컬 메모리 접근, 동기화는 불가능
Work-group 1
Work-item
Private Memory
Kernel
Private Memory
Kernel
Work-item
Local Memory
Work-item
Private Memory
Kernel
Private Memory
Kernel
Work-item
Local Memory
Work-group n
…
66. Memory Models
CPU GPU
Register, L1, L2 cache Private memory
L3 cache
(코어 간 데이터 공유)
Local memory
(Work-group 내 데이터 공유)
Main memory Global memory
느림 대용량
조금 억지스러운 비유이지만...
빠름 저용량
97. Take Two: 프로파일링 결과
바이오매스 맵 업데이트
생존 조건 판별
데이터 가공
지형 읽어오기
기타
GPGPU 를 이용해서 개선해보자
98. Take Two: Naïve OpenCL Kernel
The more the merrier - Take advantage of the many-core architecture
Unknown license of this image from http://www.extremetech.com/computing/185512-overclocking-intels-core-i7-4970k-can-devils-canyon-fix-
haswells-low-clock-speeds
99. Take Two: Naïve OpenCL Kernel
• 행렬 연산만 OpenCL 을 이용
(코드를 단순하게 하기 위해 글로벌 메모리만 사용)
• 나머지 코드는 그대로
메타데이터 생성, 읽기
지형, 환경 정보 읽어오기
데이터 가공
최종 배치 정보 내보내기바이오매스 맵 업데이트
식물별 생존 적합성 판별
식물, 광물 배치
각 회차(iteration)마다
100. 일반적인 행렬 계산 코드
void matrix_multiplication(float* C, const float* A,
const float* B, const int n) {
for (int i = 0; i < n; i++) {
for (int j = 0; j < n; j++) {
float r = 0;
for (int k = 0; k < n; k++) {
r += A[i * n + k] * B[k * n + j];
}
C[i * n + j] = r;
}
}
}
101. OpenCL Kernel Code
__kernel void matrix_mul(__global float* C,
__global const float* A,
__global const float* B) {
int tx = get_global_id(0);
int ty = get_global_id(1);
int w = get_global_size(0);
float value = 0;
for (int k = 0; k < w; k++) {
value += A[ty * w + k] * B[k * w + tx];
}
C[ty * w + tx] = value;
}
102. __kernel void matrix_mul(__global float* C,
__global const float* A,
__global const float* B) {
int tx = get_global_id(0);
int ty = get_global_id(1);
int w = get_global_size(0);
float value = 0;
for (int k = 0; k < w; k++) {
value += A[ty * w + k] * B[k * w + tx];
}
C[ty * w + tx] = value;
}
OpenCL Kernel Code
벡터의 내적(dot product)
103. OpenCL Kernel Code
__kernel void matrix_mul(__global float* C,
__global const float* A,
__global const float* B) {
int tx = get_global_id(0);
int ty = get_global_id(1);
int w = get_global_size(0);
float value = 0;
for (int k = 0; k < w; k++) {
value += A[ty * w + k] * B[k * w + tx];
}
C[ty * w + tx] = value;
}
2차원 글로벌 인덱스 (x, y)
글로벌 인덱스의 1차원 축 크기
(정방행렬square matrix이므로 2차원 축 크기와 동일)
j
i
글로벌 메모리 사용
105. Take Three: Optimized OpenCL Kernel
Take advantage of the non-uniform memory hierarchy
106. #pragma OPENCL EXTENSION cl_khr_fp64 : enable
#define BLOCK_SIZE 32
__kernel void
matrix_mul(__global double* C,
__global double* A,
__global double* B)
{
int bx = get_group_id(0);
int by = get_group_id(1);
int tx = get_local_id(0);
int ty = get_local_id(1);
int size = get_global_size(0);
// Range of sub-matrix A
int a_begin = size * BLOCK_SIZE * by;
int a_end = a_begin + size - 1;
int a_step = BLOCK_SIZE;
// Range of sub-matrix B
int b_begin = BLOCK_SIZE * bx;
int b_step = BLOCK_SIZE * size;
double c_sub = 0;
__local double A_sub[BLOCK_SIZE][BLOCK_SIZE];
__local double B_sub[BLOCK_SIZE][BLOCK_SIZE];
for (int a = a_begin, b = b_begin; a <= a_end;
a += a_step, b += b_step) {
A_sub[ty][tx] = A[a + size * ty + tx];
B_sub[ty][tx] = B[b + size * ty + tx];
barrier(CLK_LOCAL_MEM_FENCE);
for (int k = 0; k < BLOCK_SIZE; k++) {
c_sub += A_sub[ty][k] * B_sub[k][tx];
}
barrier(CLK_LOCAL_MEM_FENCE);
}
int c = size * BLOCK_SIZE * by + BLOCK_SIZE * bx;
C[c + size * ty + tx] = c_sub;
}
108. Take Three: Optimized OpenCL Kernel
__local double A_sub[BLOCK_SIZE][BLOCK_SIZE];
__local double B_sub[BLOCK_SIZE][BLOCK_SIZE];
로컬 메모리 할당
109. for (int a = a_begin, b = b_begin; a <= a_end; a += a_step, b += b_step) {
A_sub[ty][tx] = A[a + size * ty + tx];
B_sub[ty][tx] = B[b + size * ty + tx];
barrier(CLK_LOCAL_MEM_FENCE);
for (int k = 0; k < BLOCK_SIZE; k++) {
c_sub += A_sub[ty][k] * B_sub[k][tx];
}
barrier(CLK_LOCAL_MEM_FENCE);
}
Take Three: Optimized OpenCL Kernel
86
부분행렬submatrix 원소들을 채워줌
다른 work-item 들이 작업을 마칠때까지 기다려줌
110. for (int a = a_begin, b = b_begin; a <= a_end; a += a_step, b += b_step) {
A_sub[ty][tx] = A[a + size * ty + tx];
B_sub[ty][tx] = B[b + size * ty + tx];
barrier(CLK_LOCAL_MEM_FENCE);
for (int k = 0; k < BLOCK_SIZE; k++) {
c_sub += A_sub[ty][k] * B_sub[k][tx];
}
barrier(CLK_LOCAL_MEM_FENCE);
}
Take Three: Optimized OpenCL Kernel
부분행렬의 내적을 구하고
다른 work-item 들이 작업을 마칠때까지 기다려줌
115. Take Four: Comprehensive Kernel
• 행렬 연산 및 생존 적합성 판단 코드를 모두 OpenCL 로 작성
• 한 회차(iteration)가 끝날때 마다 호스트로 결과 보고
메타데이터 생성, 읽기
지형, 환경 정보 읽어오기
데이터 가공
최종 배치 정보 내보내기바이오매스 맵 업데이트
식물별 생존 적합성 판별
식물, 광물 배치
각 회차(iteration)마다
116. 나는 경이적인 방법으로 프로그램의 속도를 향상시켰다.
그러나 화면의 여백이 너무 좁아 코드를 여기에 옮기지는 않겠다.
118. 데이터 전송 병목
Host Memory
Device Memory
PCI Express
PCI Express 를 통한 호스트-디바이스 간 데이터 전송
CC BY-SA 3.0 http://en.wikipedia.org/wiki/PCI_Express#/media/File:PCIExpress.jpg
129. Take Five: Compressed Sparse Row
using MathNet.Numerics.LinearAlgebra;
using MathNet.Numerics.LinearAlgebra.Double;
Matrix<double> A = SparseMatrix.OfRowMajor(2, 2, new double[] { 1, 2, 3, 4 });
Matrix<double> B = SparseMatrix.OfRowMajor(2, 2, new double[] { 5, 6, 7, 8 });
Matrix<double> C = A * B;
132. 높은 디버깅 난이도
• Segmentation fault 가 보고되지 않음
• No system calls
• printf 디버깅 불가, 로그 파일에 기록 불가
• No stack trace
• 화면 깜빡임과 시스템 크래시로 대체
• 적당한 디버거가 없는줄 알았는데, 발표 자료 만들면서 찾아보니...
• http://developer.amd.com/tools-and-sdks/opencl-zone/opencl-emulator-debugger/
134. 유지보수 어려움
• 프로그래머 구하기 어려움[^1]
• Java - 35,180
• Python - 18,668
• OpenCL - 101
• 코드는 이식 가능하지만, 성능은 이식 불가능
• 메모리 크기에 따른 work-item, work-group 수 제한
• 동시에 실행 가능한 쓰레드의 수
[^1]: LinkedIn 에서 각 키워드로 job posting 검색 결과 수 (2015-05-12)
135. 경제적 타당성 (Financial Viability)
• OpenCL 을 이용해 프로그램 수행 속도를 20% 향상시켰지만 전기세가
두 배로 늘었다면?
• 아마존 웹 서비스(AWS)의 GPU 인스턴스는 꽤 비싼 편[^1]
• 개발 난이도와 코드 유지보수 비용 - 개발자의 시간은 비싸다
[^1]: 2015년 5월 버지니아 데이터센터 기준으로 시간당 $0.65-$2.60, 비슷한 CPU 성능을 가진 다른 인스턴스는 $0.42-$1.68
136. 아쉬운 점
• 컬렉션(collection) 라이브러리가 있었으면 좋겠다
• List, set, dictionary …
• GPU 이용을 위해 기존의 코드를 재작성 하지 않아도 되었으면 좋겠다
• hiCUDA - C directive based metalanguage
137. OpenCL 은 잠시 접어두기로...
OpenCL
T_T
CC0 Public Domain http://pixabay.com/en/litter-disposal-person-trash-can-44039/
138. OpenCL 은 잠시 접어두기로...
• 공학적 개선 ≈ 수학적 개선
• 비용 > 성능상 이점
• 미래에 다른 기회가 있다면 재도전
• 더 큰 섬
• 더 복잡한 요구 조건
• --no-opencl 플래그
• 언제든지 다시 꺼내서 쓸 수 있는 상태
139. OpenCL 의 올바른 이용법
• 데이터 교환은 한꺼번에, 계산은 많이
• 불균일 메모리 접근(NUMA)을 적절히 이용
• 브랜칭(branching)은 최소한으로