디지털 라이브러리[ 검색결과 ]
멀티테넌트 GPU 환경에서 메모리 자원을 고려한 선제적 동시-스케줄링
http://doi.org/10.5626/JOK.2024.51.3.210
멀티테넌트 GPU에서는 높은 이용량과 처리량을 위해 여러 응용을 하나의 GPU에 동시-스케줄 한다. 이때 메모리 부족 에러가 발생할 수 있다. 선행 연구에서는 이를 방지하기 위해 GPU의 메모리가 수용할 수 있는 만큼 태스크를 스케줄 하는 방법을 사용했다. 본 연구에서는 메모리 부족 에러를 방지하면서도, 하나의 GPU에 더 많은 태스크를 동시-스케줄 할 수 있는 기법을 제안한다. 태스크 내 사용이 끝난 변수들을 즉시 할당 해제하여 GPU의 여유 메모리를 선제적으로 확보하고, GPU가 더 많은 태스크를 동시-스케줄 가능하게 한다. 또한, 통합 메모리 상에서 메모리 초과 사용을 허용하여 GPU의 전체 메모리를 넘는 수준까지 태스크를 스케줄링 할 수 있도록 한다. 앞서 언급한 두 가지 기법을 통해 제출된 응용 전체에 대한 실행 완료 시간이 앞당겨졌고 선행 연구대비 각각 7.3%, 1.9%의 성능 향상을 보였다.
멀티테넌트 환경에서 SSD 내부 채널 간섭 완화를 위한 데이터베이스 튜닝 기법
http://doi.org/10.5626/JOK.2022.49.5.388
멀티테넌트 환경에서 다수의 테넌트들은 단일 SSD를 저장장치로 공유한다. IO의 특성이 상이한 멀티테넌트는 SSD 내부 채널 수준의 간섭이 발생한다. 본 논문에서는 SSD 내부 채널 수준의 병렬성을 충분히 활용하기 위한 두 가지 튜닝 기법인 페이지 크기 정렬 기법과 Readahead 크기 증가 기법을 제안하고, 도커 컨테이너 기반 환경에서 Linkbench와 TPC-H를 동시 수행하여 트랜잭션 처리량 및 응답(수행)시간 성능을 평가한다. 성능평가 결과, 페이지 크기 정렬 기법은 SSD 내부에서 불필요한 데이터 패딩/분할 작업의 오버헤드를 줄이고, IO 요청의 불필요한 채널점유를 방지하기 때문에 내부 간섭을 완화시켜, Linkbench와 TPC-H 모두 성능이 향상되었다. 하지만, Readahead 크기 증가 기법은 순차 읽기 요청의 SSD 내부 채널 점유율을 높여, Linkbench의 비교적 작은 크기의 임의 IO 요청에 의한 간섭을 줄이기 때문에, TPC-H의 성능만 향상되었다.
