SIMD 벡터화 활용 정렬된 데이터에 대한 그룹 연산 가속화

Q: 이 논문에서 정의한 SIMD란 무엇인가?

하나의 명령어로 여러 데이터에 대해 동시에 연산을 수행하는 기술을 의미한다. 본 연구에서는 이를 벡터화 기술과 결합하여 정렬된 데이터의 그룹 연산 성능을 가속화하고, 제어 흐름을 데이터 흐름으로 변경하여 처리 속도를 향상시키는 핵심 수단으로 활용한다.

Q: SIMD 벡터화를 활용한 그룹 연산 가속화가 실제 성능에 어떤 영향을 미치는가?

연구 결과, SIMD 명령어를 통한 병렬 비교와 룩업 테이블 기반의 그룹 할당 방식을 적용했을 때 스칼라 기반 방법보다 성능이 향상되었다. 특히 MonetDB 시스템에 적용하여 TPC-H 벤치마크로 검증한 결과, 그룹 연산 수준에서 약 1.35배의 성능 향상을 달성하였다.

이훈순; 김창수

추천

검색

질문

자료유형: 학술대회자료

저자정보: 이훈순 (한국전자통신연구원) 김창수 (한국전자통신연구원)

저널정보: Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2017 한국소프트웨어종합학술대회 논문집

발행연도: 2017.12

수록면: 242 - 244 (3page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

근래의 대부분의 컴퓨터에서는 컴퓨팅 기술의 발달로 벡터 처리 유닛이 포함됨으로 인해 과거에 벡터 프로세서로 구성된 일부 슈퍼 컴퓨터들만이 지원했던 벡터 처리 기능을 지원하고 있다. 데이터 분석 응용에서는 데이터를 특정 기준으로 그룹핑하는 요구가 많으며 이는 많은 시간을 필 ... 전체 초록 보기

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2018-569-001731352

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)