06. Multiprocessors Scheduling (Advanced)

• 병행성 (concurrency) 주제까지 진도 나간 이후에 다시 복습하면 좋음 (쓰레드 관련 자세히 배움)

• 멀티코어(multicore) 프로세서: 여러 개의 CPU 코어가 하나의 칩에 내장
  멀티프로세서(multiprocessor) 시스템:
  싱글코어 CPU의 성능 개선이 한계에 봉착하면서 멀티코어 기술이 각광을 받게 되었다.

더 많은 CPU를 추가해도 응용프로그램은 더 빨리 실행되지 않는다.
→ 쓰레드를 이용하여서 응용 프로그램을 병렬(parallel)로 실행되도록 코드를 다시 작성해야 한다.

멀티 쓰레드 응용 프로그램은 작업을 여러 CPU에 할당하며, 따라서 더 많은 수의 CPU가 주어지면 더 빠르게 실행된다.

응용 프로그램뿐 아니라 운영체제가 새로이 직면한 문제는 멀티프로세서 스케줄링이다.
지금까지 우리는 단일프로세서 스케줄링의 많은 원칙들에 대해 논의하였다.

이 아이디어를 여러 CPU에서 동작하도록 어떻게 확장할 수 있을까? 우리가 해결해야 하는 새로운 문제는 무엇인가? 문제는 다음과 같다.

배경 : 멀티프로세서 구조¶

단일 CPU 하드웨어와 멀티 CPU 하드웨어 차이¶

다수의 프로세서 간에 데이터의 공유, 그리고 하드웨어 캐시의 사용 방식에서 근본적인 차이가 발생한다. (더 자세히는 컴퓨터 구조 관련으로 찾아보면 됨)

• Cache (SRAM)
  단일 CPU 시스템에는 하드웨어 캐시 계층이 존재한다.
  이 캐시는 프로그램을 빠르게 실행하기 위해 존재한다.
  캐시는 메인 메모리에서 자주 사용되는 데이터의 복사본을 저장하는 작고 빠른 메모리이다.

• Main Memory (DRAM)
  메인 메모리는 모든 데이터를 저장하지만 느리다.

자주 접근되는 데이터를 캐시에 임시로 가져다 둠으로써 시스템은 크고 느린 메모리를 빠른 메모리처럼 보이게 한다.

• Single Cpu with Cache

Cache 란¶

load 명령어를 수행하는 프로그램과 하나의 CPU만 있는 간단한 시스템을 생각해 보자.

CPU는 작은 크기의 캐시 (64 KB)와 큰 메인 메모리를 갖고 있다.
프로그램이 처음 이 load 명령어를 실행할 때, 데이터가 메인 메모리에 존재하므로 데이터를 가져오는 데 긴 시간이 소모된다 (아마 수십 또는 수백 nano second).

데이터가 다시 사용될 것으로 예상한 프로세서는 읽은 데이터의 복사본을 CPU 캐시에 저장한다.
프로그램이 나중에 다시 같은 데이터를 가져오려고 하면, CPU는 우선 해당 데이터가 캐시에 존재하는지 검사한다.

캐시에 존재하기 때문에 데이터는 훨씬 빨리 접근되고 (수 nano second) 프로그램은 빨리 실행한다.

지역성 (Locality)¶

캐시는 지역성(locality)에 기반한다.

지역성에는 2가지 종류가 있다.

• 시간 지역성(temporal locality)
• 공간 지역성(spatial locality)

시간적 지역성 (Temporal Locality)¶

시간적 지역성의 기본 아이디어는 데이터가 한 번 접근되면 가까운 미래에 다시 접근되기 쉽다는 것이다.

공간적 지역성 (Spatial Locality)¶

루프에서 여러 번 반복해서 접근되는 변수 또는 명령어 자체를 상상해 보라.

프로그램이 주소 \(x\)의 데이터를 접근하면 \(x\) 주변의 데이터가 접근되기 쉽다.

전체 배열을 차례대로 접근하는 프로그램 또는 순차적으로 실행되는 명령어들을 생각해 보자.

이런 유형의 지역성은 많은 프로그램에서 관측된다.

하드웨어 시스템은 캐시에 어떤 데이터를 저장할지 비교적 정확하게 추측을 할 수 있고, 캐시는 잘 작동한다.

Cache Coherence (캐쉬 일관성 문제)¶

하나의 시스템에 여러 프로세서가 존재하고 하나의 공유 메인 메모리가 있을 경우: 멀티프로세서 시스템에서 캐시를 사용하는 것은 훨씬 복잡하다.

• Consistency of shared resource data stored in multiple caches.
  

CPU 0에서 실행 중인 프로그램이 주소 1로부터 (\(D\) 값을) 읽는다고 가정하자.

데이터가 CPU 0 캐시에 존재하지 않기 때문에 시스템은 메인 메모리로부터 데이터를 가져오고 값 \(D\)를 얻는다.

그런 후 프로그램은 주소 1의 값을 변경한다.
변경은 캐시에 존재하는 값만 D′ 으로 갱신한다.

메모리에 데이터를 쓰는 것은 시간이 오래 걸리므로 메인 메모리에 기록하는 것은 보통 나중에 한다.
운영체제가 프로그램의 실행을 중단하고 CPU 1로 이동하기로 결정한다고 가정하자.
프로그램은 주소 A의 값을 다시 읽는다.

CPU 2의 캐시에는 그러한 데이터가 존재하지 않고 따라서 시스템은 메인 메모리에서 데이터를 가져온다.

이때 D′ 이 아니라 옛날 값인 \(D\)를 가져온다.
이 문제를 캐시 일관성 문제(cache coherence) 라고 부른다.

• 캐쉬 일관성 문제 해결방법: 하드웨어 Bus snooping
  • 여러 개의 프로세스들이 하나의 메모리에 갱신할 때에는 항상 공유되도록 하는 기법
  • 캐시는 자신과 메모리를 연결하는 버스의 통신 상황을 계속 모니터링한다.
  • 캐시 데이터에 대한 변경이 발생하면, 자신의 복사본을 무효화(invalidate, 자신의 캐시에서 삭제) 시키거나 갱신(update, 새로운 값을 캐시에 기록) 한다.

나중 쓰기 (write-back)
캐시는 메인 메모리에 쓰기 연산이 지연되기 때문에 캐시 일관성 유지 문제를 훨씬 복잡하게 만든다.

Don’t Forget Synchronization¶

When accessing shared data across CPUs, mutual exclusion primitives should likely be used to guarantee correctness.
일관성 유지에 대한 모든 일을 캐시가 담당한다면, 프로그램 또는 운영체제 자신은 공유 데이터를 접근할 때 병행성 관련으로 고려할 것이 많다. (일단 병행성까지 진도 나가고 다시 복습!!)

CPU들이 동일한 데이터 또는 구조체에 접근할 때 (특히, 갱신), 올바른 연산 결과를 보장하기 위해 락과 같은 상호 배제를 보장하는 동기화 기법이 많이 사용된다.

락프리(lock-free) 데이터 구조 등의 다른 방식은 복잡할 뿐 아니라 특별한 경우(교착상태)에만 사용 된다.

예를 들어, 여러 CPU가 동시에 사용하는 공유 큐가 있다고 가정하자.

캐시의 일관성을 보장하는 프로토콜이 존재한다 하더라도 락이 없이는 항목의 추가나 삭제가 제대로 동작하지 않을 것이다.
구조체를 원자적으로 갱신하기 위해서는 락이 필요하다.

• 연결 리스트에서 원소 하나를 삭제하는 코드
  

사진 출처: ¹

두 CPU의 쓰레드가 동시에 이 루틴으로 진입한다고 가정하자.
쓰레드 1 이 첫 번째 행을 실행하면 head의 현재 값을 tmp에 저장한다.

그런 후 쓰레드 2가 첫 번째 행을 실행하면 역시 head의 같은 값을 tmp에 저장한다.
tmp는 스택에 할당된다. 각 쓰레드는 자신만의 스택을 갖고 있다.

각 쓰레드는 동일한 헤드 원소를 제거하려고 한다.

제대로 된 상황에서는 각 쓰레드는 리스트의 첫 번째 원소를 한 번씩 제거해야 한다.

이러한 상황이 모든 문제를 (4행의 헤드 원소를 두 번 삭제하고 같은 데이터 값을 두 번 반환하는 등의) 야기한다.

• 해결책: 락(lock) 사용

이 경우 간단한 mutex를 할당하고 (예, pthread_mutex_t m;) 루틴의 시작에 lock(&m), 마지막에 unlock(&m)을 추가하면 문제를 해결할 수 있다.

성능적인 문제: CPU의 개수가 증가할수록 동기화된 자료 구조에 접근하는 연산은 매우 느리게 된다.

캐시 친화성 멀티프로세서¶

캐시 스케줄러에서의 마지막 문제점은 캐시 친화성(cache affinity)이다.

멀티 프로세서 스케줄러는 스케줄링 결정을 내릴 때 캐시 친화성(cache affinity)을 고려해야 한다.
가능한 한 프로세스를 동일한 CPU에서 실행하려고 노력하는 방향으로 결정해야 한다.

CPU에서 실행될 때 프로세스는 해당 CPU 캐시와 TLB ²에 상당한 양의 상태 정보를 올려 놓게 된다.

다음 번에 프로세스가 실행될 때 동일한 CPU에서 실행되는 것이 해당 CPU 캐시에 일부 정보가 이미 존재하고 있기 때문에 더 빨리 실행될 것이기 때문에 유리하다.

프로세스가 매번 다른 CPU에서 실행되면 실행할 때마다 필요한 정보를 캐시에 다시 탑재해야만 하기 때문에 프로세스의 성능은 더 나빠진다.

하드웨어의 캐시 일관성 프로토콜 덕분에 다른 CPU에서 실행되더라도 프로그램이 제대로 실행될 것이다.

멀티프로세서 시스템의 스케줄러 개발 방법에 대해서 알아보자.

단일 큐 스케줄링 (SQMS)¶

단일 큐 멀티프로세서 스케줄링(single queue multiprocessor scheduling, SQMS): 단일 프로세서 스케줄링의 기본 프레임워크를 그대로 사용 하는 것.

각각의 CPU는 globally shared queue에서 다음 작업을 선택한다.

이 방식의 장점은 단순함이다. 기존 정책을 다수 CPU에서 동작하도록 하는 데는 많은 변경이 필요치 않다.
예를 들어, CPU가 2개라면 실행할 작업 두 개를 선택한다.

SQMS 단점¶

1. 확장성(scalability) 결여
   스케줄러가 다수의 CPU에서 제대로 동작하게 하기 위해 코드에 일정 형태의 락을 삽입한다.

락은 SQMS 코드가 단일 큐를 접근할 때 (즉, 실행시킬 다음 작업을 찾을 때) 올바른 결과가 나오도록 한다.
불행히도 락은 성능을 크게 저하시킬 수 있고, 시스템의 CPU 개수가 증가할수록 더욱 그렇다.

단일 락에 대한 경쟁이 증가할수록 시스템은 락에 점점 더 많은 시간을 소모하게 되고 실제 필요한 일에 쓰는 시간은 줄어들게 된다.

1. 캐시 친화성 문제
   예를 들어, 실행할 5개의 작업이 있고 (A, B, C, D, E) 4개의 프로세서가 있다고 가정하자.

스케줄링 큐는 다음과 같은 모양일 것이다.

시간이 흐르면서 각 작업은 주어진 타임 슬라이스 동안 실행되고, 다음 작업이 선택되었다고 가정하자.
작업 스케줄은 다음과 같을 것이다.

각 CPU는 공유 큐에서 다음 작업을 선택하기 때문에 각 작업은 CPU를 옮겨 다니게 된다.
캐시 친화성 관점에서 보면 잘못된 선택을 하는 것이다.

따라서 가능한 한 프로세스가 동일한 CPU에서 재실행될 수 있도록 시도한다.

대부분의 SQMS 스케줄러는 특정 작업들에 대해서 캐시 친화성을 고려하여 스케줄링하고 다른 작업들은 오버헤드를 균등하게 하기 위해 여러 군데로 분산시키는 정책을 사용한다.

예를 들어 다음과 같은 동일한 5개의 작업에 대해 생각해 보자.

이 배열에서 A부터 D까지의 작업은 각각 자신의 프로세서에서 실행된다.
오직 E만이 하나의 프로세서에서 다른 프로세서로 이동한다.

다음에는 다른 작업을 이동시켜서 일종의 친화성에 대한 형평성도 추구할 수 있다.
그러나 이러한 기법은 구현이 복잡해질 수 있다.

• 장점
  기존의 단일 CPU 스케줄러가 있다면 하나의 큐밖에 없기 때문에 구현이 간단하다.

• 단점
  동기화 오버헤드 때문에 이 방식은 확장성이 좋지 않고 캐시 친화성에 문제가 있다.

멀티 큐 스케줄링 (MQMS)¶

멀티 큐 멀티프로세서 스케줄링(multi-queue multiprocessor scheduling, MQMS): CPU마다 여러 개의 스케줄링 큐로 구성

각 큐는 특정 스케줄링 규칙을 따른다.
작업이 시스템에 들어가면 정확히 하나의 스케줄링 큐에 배치된다.

배치될 큐의 결정은 적당한 방법을 따른다. (예를 들어, 무작위로 할 수도 있고 또는 다른 큐보다 작은 수의 작업이 있는 큐로 배치할 수도 있다)

그 후에는 각각이 독립적으로 스케줄 되기 때문에 단일 큐 방식에서 보았던 정보의 공유 및 동기화 문제를 피할 수 있다.
예를 들어, 2개의 CPU(CPU 0과 CPU 1)와 A, B, C, D 네 개의 작업이 시스템에 존재한다고 가정하자.

CPU는 각자 하나씩의 스케줄링 큐를 가지고 있으므로 운영체제는 각 작업을 배치할 큐를 결정해야 한다.

라운드 로빈의 경우 다음과 같은 스케줄이 생성될 수 있다.
(큐 스케줄링 정책에 따라 각 CPU는 현재 2개씩의 작업을 가지고 있다.)

• 장점
  확장성이 좋다.
  Cache affinity 가 좋다. ^[작업이 같은 CPU에서 계속 실행되기 때문에 캐시에 저장된 내용을 재사용하는 이점을 얻게 된다. ]
  Information sharing, Synchronization 문제를 피할 수 있다.
  CPU 개수가 증가할수록, 큐의 개수도 증가하므로 락과 캐시 경합 (cache contention)은 더 이상 문제가 되지 않는다.

• 단점
  멀티 큐 기반 방식의 근본적인 문제는 워크로드의 불균형(load imbalance) 이다.

앞의 예와 동일한 설정을 가정하자 (4개의 작업, 2개의 CPU).
그러나 그 중 하나 (예, C)가 종료 되었다고 하자. 이제 다음과 같은 스케줄링 큐를 가진다.

1. 우리는 각 큐에 라운드 로빈 정책을 실행한 경우, 다음과 같은 스케줄을 얻을 수 있다.
   이 그림에서 알 수 있듯이, A가 B와 D보다 2배의 CPU를 차지하고 있다.

2. A와 C가 모두 종료하여 B와 D만 남게 되었다고 가정하자. 스케줄링 큐는 다음과 같을 것이다.
   결과 CPU 0은 유휴 상태(Idle)가 된다.

해답은 작업을 한 CPU에서 다른 CPU로 이주(migration)를 시킴으로써 워크로드 균형을 달성한다.

하나의 CPU는 유휴 상태이고 다른 CPU는 몇몇 작업을 가지고 있다고 하자.
운영체제는 B 또는 D 중 하나를 CPU 0로 이동시킨다.

이 경우, 한 번의 작업 이주로 워크로드가 균형을 이루게 된다.

이런 경우 한 번의 이주만으로는 문제가 해결되지 않는다.

• A는 혼자 CPU 0에 있었고 B와 D 는 CPU 1에서 번갈아 실행되고 있을 경우:

무엇을 해야 할까? 대답은 작업들을 지속적으로 migration시키는 것이다.
한 가지 가능한 해결책은 다음 타임라인에서 볼 수 있는 것처럼 계속해서 작업을 이주하는 것이다.

그림에서 처음에 A는 CPU 0에 혼자 있고 B와 D는 CPU 1에서 번갈아 실행되고 있다.
몇 번의 타임 슬라이스 후 B는 CPU 0로 이주하여 A와 경쟁한다.
그동안 D는 CPU 1에서 몇 개의 타임 슬라이스 동안 혼자 실행된다. 따라서 워크로드의 균형이 맞게 된다.
물론 가능한 많은 다른 migration 패턴이 존재한다.

Work Stealing¶

한 가지 기본적인 접근 방식은 작업 훔치기(work stealing)라는 기술이다.
작업 훔치기에서는 작업의 개수가 낮은 (소스) 큐가 가끔 다른 (대상) 큐에 훨씬 많은 수의 작업이 있는지를 검사한다.

대상 큐가 소스 큐보다 더 가득 차 있다면 워크로드 균형을 맞추기 위해 소스는 대상에서 하나 이상의 작업을 가져온다.

• 단점
  큐를 너무 자주 검사하게 되면 높은 오버헤드로 확장성에 문제가 생기게 된다.

반면 다른 큐를 자주 검사하지 않으면 심각한 워크로드 불균형을 초래할 가능성이 있다.
→ 시스템 정책 설계에 흔히 있는 일로서 적절한 값을 찾아내는 것은 경험에 의거해서 정해야한다.

Linux 멀티프로세서 스케줄러¶

Linux 커뮤니티에서는 멀티프로세서 스케줄러를 위한 세 가지 스케줄러가 등장했다.

1. O(1) 스케줄러: 멀티 큐
   O(1) 스케줄러는 우선순위 기반 스케줄러로서 (MLFQ와 유사) 프로세스의 우선순위를 시간에 따라 변경하여 우선순위가 가장 높은 작업을 선택하여 다양한 목적을 만족시킨다.
   특히, 상호 작용을 가장 우선시 한다.

2. Completely Fair Scheduler(CFS): 멀티큐
   CFS는 결정론적 (deteministic) 비례배분 (proportional share) 방식이다. (보폭 스케줄링에 가까움).

3. BF 스케줄러 (BFS): 단일 큐
   BFS는 셋 중에서 유일한 단일 큐 방식이며 또한 비례배분 방식이다. 그러나 Earliest Eligible Virtual Deadline First(EEVDF)라고 알려진 더 복잡한 방식에 기반을 둔다.

요약¶

• 단일 큐 방식 (SQMS)
  → 구현이 용이하고 워크로드의 균형을 맞추기 용이하다
  → 많은 개수의 프로세서에 대한 확장성과 캐시 친화성이 좋지 못하다.

• 멀티 큐 방식 (MQMS)
  → 확장성이 좋고 캐시 친화성을 잘 처리하다.
  → 워크로드 불균형에 문제가 있고 구현이 복잡하다.