21세기 정원사의 OpenCL 경험담<야생의 땅: 듀랑고>의 식물 생태계를 담당하는

넥슨코리아

변수민 <suminb@nexon.co.kr>

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

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

목차

• <야생의 땅: 듀랑고> 에 대한 이야기

• 생태계 시뮬레이터 소개

• 바이오매스 계산에 대한 이야기

• OpenCL 실행 모델, 메모리 모델

• OpenCL 경험담

• 회고록

<야생의 땅: 듀랑고> 소개Games maketh man

6

생존

7

전투

8

개척

9

환경

오픈 월드

• 방대한 크기의 오픈 월드

• 여러개의 섬스마트폰 화면으로 섬 하나를 모두 담으려면 축구장 하나의 크기 정도

• 자유롭게 돌아다니며 채집, 사냥, 건설, 농사 등의 활동

• 월드는 수작업이 아닌 자동으로 생성

수작업 나빠요

:-):-(

CC BY 3.0 http://en.wikipedia.org/wiki/Shielded_metal_arc_weldingCC 3.0 http://en.wikipedia.org/wiki/File:Robotworx-arc-welding-robots.jpg

게임 월드 생성 절차

WorldGen

Ecosystem Simulator

Animal Incubator

게임 서버

지형 정보 동식물 배치 정보

지형 생성 도구

게임 월드 생성 절차

WorldGen

Ecosystem Simulator

Animal Incubator

게임 서버

지형 정보 동식물 배치 정보

지형 생성 도구

생태계 시뮬레이터지형, 지질, 기후, 주변 생태계 환경 등을 고려하여 식물과 광물을 배치

식물 배치

식물 배치

식물 배치

식물 배치

타일

• 최대 4096x4096 타일

• 게임 내 스케일로 8x8 km

• 각 타일당 다음의 조건을 고려하여 최적의 식물 후보를 선택

• 지질 (초원, 온대림, 열대림, 사바나, 사막, 타이가, 툰드라, 설원 등)

•고도, 온도, 습도, 비옥도

• 바다, 강, 호수와의 거리

• 랜드마크와의 거리

• 주변 바이오매스(biomass)의 합

식물 배치

만화 © 이말년

자연 조건 시각화

생태계 시뮬레이터 작동 구조

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

최초의 프로토타입

• 너무 느려서 2048x2048 정도의 큰 월드에서의 실행은 무리

• 바이오매스 계산이 대부분의 시간을 차지

우리의 작업 환경

Mono

Linux

OpenCL

Ecosystem Simulator

.NET

Windows

OpenCLVisual Studio

Ecosystem Simulator

바이오매스(biomass) 계산Biomass is biological material derived from living, or recently living organisms[^1]

[^1]: http://en.wikipedia.org/wiki/BiomassCC-BY-NC-SA http://www.dialogosfederativos.gov.br/?p=1666

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

바이오매스 맵

계산을 어떻게 빨리 하지…?

CC0 Public Domain http://pixabay.com/en/think-thinking-hand-reflect-622689/

계산을 어떻게 빨리 하지…?

바이오매스 맵을 미리 계산해놓자!

CC0 Public Domain http://pixabay.com/en/think-thinking-hand-reflect-622689/

바이오매스 맵 미리 계산 하기

1.Matrix multiplication

2. Naïve matrix multiplication with OpenCL

3. Optimized matrix multiplication with OpenCL

4. Comprehensive kernel

5. Sparse matrix

OpenCLThe open standard for parallel programming of heterogeneous systems

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)

OpenCL 소개

• 실행 모델

• Task/data parallelism

• 커널(Kernel)

• 메모리 모델

• 메모리 계층구조 (NUMA)

•Work-item, work-group

• 메모리 보호

OpenCL Execution Models

• Task-parallel programming

• Data-parallel programming

OpenCL Execution Models

• Task-parallel programming

• Data-parallel programming

Task Parallelism vs. Data Parallelism

Task 1Task 1 Task 2 Task 3 Task 1 Task 1 Task 1Task 4

Task Parallelism vs. Data Parallelism

Task 1Task 1 Task 2 Task 3 Task 1 Task 1 Task 1Task 4

커널(kernel)

Kernel

CC BY-SA 3.0 http://en.wikipedia.org/wiki/Corn_kernel

Kernel

Linux Kernel Map http://www.makelinux.net/kernel_map/

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

1차원 인덱스 스페이스

0 1 2 3 4 5 … n-1

2차원 인덱스 스페이스

0,0 0,1 0,2 … 0,n-1

1,0 1,1 1,2 … 1,n-1

2,0 2,1 2,2 … 2,n-1

… … … … …

n-1,0 n-1,1 n-1,2 … n-1,n-1

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

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

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

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

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

__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

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

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

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

…

Memory Models

OpenCL Memory Model (from [Khronos 2011])

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 memory느림 대용량

조금 억지스러운 비유이지만...

빠름 저용량

Memory Models

Global Memory

Local Memory Local Memory

…

Work-group 1 Work-group n

Memory Protection

이미지 출처는 https://mirror.enha.kr/wiki/그런%20거%20없다, 원본 화면이 어디서 왔는지는 알 수 없음.

Memory Protection

이미지 출처는 https://mirror.enha.kr/wiki/그런%20거%20없다, 원본 화면이 어디서 왔는지는 알 수 없음.

Memory Protection

• 메모리 블럭은 보호되지 않음

• Segmentation fault 가 보고되지 않음

• 화면 깜빡임, 복구 불가능한 시스템 크래시 등 다양한 이상 현상

• 스크린 해상도 변경 이벤트는 드라이버 레벨에서 감지 가능

An Introduction to the OpenCL Programming Model

Take One: 행렬의 곱셈The Matrix is the world that has been pulled over your eyes to blind you from the truth

Take Two: 행렬의 곱셈

Take Two: 행렬의 곱셈

Take Two: 행렬의 곱셈

Take Two: 행렬의 곱셈

Take Two: 행렬의 곱셈

우리가 알고 싶어하는 것: 행렬의 특정 범위에 있는 요소들의 합

Take Two: 행렬의 곱셈

우리가 알고 싶어하는 것: 행렬의 특정 범위에 있는 요소들의 합

Take Two: 행렬의 곱셈

우리가 알고 싶어하는 것: 행렬의 특정 범위에 있는 요소들의 합

Take Two: 행렬의 곱셈

우리가 알고 싶어하는 것: 행렬의 특정 범위에 있는 요소들의 합

Take Two: 행렬의 곱셈

우리가 알고 싶어하는 것: 행렬의 특정 범위에 있는 요소들의 합

Take Two: 행렬의 곱셈

우리가 알고 싶어하는 것: 행렬의 특정 범위에 있는 요소들의 합

Take Two: 행렬의 곱셈

MaskBiomass maps

우리가 알고 싶어하는 것: 행렬의 특정 범위에 있는 요소들의 합

Take Two: 행렬의 곱셈

Take Two: 행렬의 곱셈

Take Two: 행렬의 곱셈

패턴이 보이나요?

…

패턴이 보이나요?

…

Take Two: 행렬의 곱셈

Mask Biomass maps Mask

Take Two: 행렬의 곱셈

Mask Biomass maps Mask

Take Two: 행렬의 곱셈

Mask Biomass maps Mask

Take Two: 행렬의 곱셈

Mask Biomass maps Mask

Take Two: 하지만 문제는…

137,422,176,2564096x4096 행렬을 곱했을 때 수행되는 곱셈과 덧셈 연산의 수

Take Two: 행렬의 곱셈

30 min2048x2048 타일, 10회차까지

© 다음카카오

Take Two: 프로파일링 결과

바이오매스 맵 업데이트생존 조건 판별데이터 가공지형 읽어오기기타

Take Two: 프로파일링 결과

바이오매스 맵 업데이트생존 조건 판별데이터 가공지형 읽어오기기타

GPGPU 를 이용해서 개선해보자

Take Two: Naïve OpenCL KernelThe 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

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

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; } }}

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;}

__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)

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

Take Two: Naïve OpenCL

30 min -> 3 min

© 다음카카오

Take Three: Optimized OpenCL KernelTake advantage of the non-uniform memory hierarchy

#pragma OPENCL EXTENSION cl_khr_fp64 : enable#define BLOCK_SIZE 32

__kernel voidmatrix_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;}

Take Three: Optimized OpenCL Kernel

vs.

Take Three: Optimized OpenCL Kernel

__local double A_sub[BLOCK_SIZE][BLOCK_SIZE];__local double B_sub[BLOCK_SIZE][BLOCK_SIZE];

로컬 메모리 할당

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

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

Take Three: Optimized OpenCL

3 min -> 1 min 15 sec

우왕 굿

© 다음카카오

하지만...

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

하지만...

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

Take Four: Comprehensive KernelLegitimate general-purpose GPU-based computations

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

나는 경이적인 방법으로 프로그램의 속도를 향상시켰다. 그러나 화면의 여백이 너무 좁아 코드를 여기에 옮기지는 않겠다.

1 min 15 sec -> 11 sec

Take Four: Comprehensive Kernel

© 다음카카오

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

빨라졌지만 시간복잡도가 변한 것은 아니다

성능 비교수행 시간

0

100

200

300

400

Take One Take Two Take Three Take Four

성능 비교수행 시간

0

100

200

300

400

Take One Take Two Take Three Take Four

x170

개발 장비 & 테스트 환경

• NVIDIA GeForce GT 740보급형 그래픽카드

• 2048x2048 타일

• 10회차

• 하이엔드 그래픽카드를 사용한다면?

© NVIDIA

© 2008 Warner Brothers and Legendary Pictures

© 2008 Warner Brothers and Legendary Pictures

One more thing…

Take Five: Compressed Sparse RowSufficiently advanced mathematics is indistinguishable from magic

Take Five: Compressed Sparse RowMask Biomass maps

비어있는 부분

Take Five: Compressed Sparse Row

Row offsets

Column indicies

Values

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;

Take Five: Compressed Sparse Row

30 min -> 18 sec(Take One 의 CPU 코드와 비교하여)

회고록디버깅 난이도, 유지보수 비용, 경제적 타당성 등에 대한 회고

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/

다음번에는 꼭...

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)

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

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

OpenCL 은 잠시 접어두기로...

Ope

nCL

T_T

CC0 Public Domain http://pixabay.com/en/litter-disposal-person-trash-can-44039/

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

OpenCL 의 올바른 이용법

• 데이터 교환은 한꺼번에, 계산은 많이

• 불균일 메모리 접근(NUMA)을 적절히 이용

• 브랜칭(branching)은 최소한으로

Branching in GPU

if

if

statement 1

statement 2

statement 2

if (conditions) { // statement 1}// statement 2

감사합니다Gracias

Get In Touch With Me

• GitHub: http://github.com/suminb

• Twitter: @suminb

• LinkedIn: https://www.linkedin.com/in/suminb