Zig SIMD, 위성 궤도 계산 속도를 혁신하다!
SGP4 알고리즘을 Zig 언어와 SIMD를 활용하여 최적화, 기존 구현 대비 2배 이상 빠른 성능 달성
시간 배치(Time Batched) 및 위성 배치(Satellite Batched) 등 다양한 데이터 처리 방식에 최적화된 SIMD 구현 전략 제시
Atan2 함수를 Polynomial Approximation으로 대체하여 SIMD 환경에서의 성능 저하 문제 해결
Struct of Arrays 방식을 활용한 멀티 위성 데이터 처리로 캐시 효율성(Cache Efficiency)을 극대화
SIMD 최적화의 핵심: 분기 처리와 수렴
저자는 SIMD 환경에서 분기(Branching)와 수렴(Convergence) 문제를 해결하기 위한 구체적인 방법을 제시한다. 특히, SIMD는 모든 레인이 동시에 실행되므로, 조건부 분기 대신 모든 경로를 계산하고 @select를 사용하여 결과를 선택하는 방식을 사용했다. 또한, 반복적인 계산의 경우, 각 레인의 수렴 여부를 추적하고 @reduce를 통해 모든 레인이 수렴했는지 확인하는 방법을 통해 성능을 유지했다. 이러한 접근 방식은 SIMD의 특성을 이해하고, 병렬 처리(Parallel Processing)를 효과적으로 활용하는 데 중요한 통찰력을 제공한다.
Atan2 함수의 Polynomial Approximation
SGP4 알고리즘에서 사용되는 Atan2 함수는 SIMD 환경에서 성능 저하를 유발할 수 있다. 저자는 이를 해결하기 위해 Polynomial Approximation을 사용했다. 이 방법은 정확도를 약간 희생하는 대신, SIMD 연산에 적합한 형태로 함수를 변환하여 성능을 향상시켰다. 이 기술은 수치 계산(Numerical Computation) 분야에서 널리 사용되는 기법으로, SIMD 최적화 시 트레이드오프(Trade-offs)를 고려하는 좋은 예시를 보여준다.
Struct of Arrays를 활용한 멀티 위성 데이터 처리
저자는 여러 위성을 처리하기 위해 Struct of Arrays 레이아웃을 사용했다. 이 방식은 각 위성의 데이터를 개별적으로 저장하는 대신, 동일한 속성을 가진 위성들의 데이터를 묶어 저장하여 캐시 효율성(Cache Efficiency)을 높였다. 특히, Constellation Mode를 통해 시간과 위성 데이터를 묶어 처리함으로써 L1 캐시를 효과적으로 활용, 성능을 더욱 향상시켰다. 이는 데이터 레이아웃 설계가 성능에 미치는 영향을 보여주는 중요한 사례이다.
Zig의 SIMD 지원과 성능 비교
저자는 Zig 언어가 SIMD를 지원하는 방식에 대해 긍정적으로 평가하며, Zig의 Comptime 기능을 활용하여 컴파일 타임에 상수 값을 계산하고, Branchless 코드를 작성하여 성능을 향상시켰다고 설명한다. 또한, Rust 구현과 비교하여 Zig의 성능 우위를 강조하며, Python 바인딩을 통해 더 많은 사용자가 접근할 수 있도록 했다. 벤치마크 결과는 Zig의 SIMD 최적화가 기존 구현보다 2배 이상 빠른 성능을 달성했음을 보여준다.
