GPU 기반 무손실 데이터 압축의 현황과 전망

본 논문은 현대 그래픽 처리 장치(GPU)의 높은 연산 능력과 메모리 대역폭을 활용해 무손실 데이터 압축을 어떻게 구현할 수 있는지를 탐구한다. 서론에서는 GPU가 1990년대 이후 게임 그래픽을 중심으로 급격히 발전해 왔으며, 최근에는 일반 목적 연산(GPGPU)으로 확장되고 있음을 언급한다. 그러나 압축 알고리즘은 데이터 간 종속성이 강하고, 순차적인 처리 흐름을 요구하는 경우가 많아 GPU의 SIMD 구조와 충돌한다는 점을 지적한다. 2장에서는 GPU 하드웨어와 프로그래밍 모델을 상세히 설명한다. GPU는 수백 개의 코어가 32스레드 단위인 워프로 묶여 동일 명령을 실행한다. 메모리 접근은 연속된 주소에 정렬돼야 코얼레싱이 최소화되며, 이는 정렬·프리픽스‑합 같은 데이터‑병렬 연산에 유리하다. 반면, 불규칙한 메모리 접근이나 스레드 간 동기화는 성능 저하를 초래한다. 또한, CPU와 GPU 사이의 PCIe 2.0 버스(8 GB/s)는 GPU 내부 메모리 대역폭(>200 GB/s)보다 현저히 낮아, 데이터 전송이 전체 파이프라인의 병목이 될 수 있음을 강조한다. 2.1절에서는 무손실 압축이 주로 데이터 중복을 찾아 여러 패스에 걸쳐 처리한다는 점을 들어, 전통적인 압축 알고리즘이 본질적으로 직렬적이라는 한계를 설명한다. 데이터 청크를 나누어 각각을 독립적으로 압축하는 방법이 가장 흔히 쓰이지만, 청크 경계에 존재하는 중복을 놓치게 되어 압축률이 감소한다. GPU는 메모리 접근 패턴이 제한적이므로 청크 기반 병렬화가 항상 효율적이지 않을 수 있다. 3장에서는 bzip2 압축 파이프라인을 구성하는 주요 알고리즘을 하나씩 검토한다. - **버로우스‑휠러 변환(BWT)**: 입력 문자열의 모든 회전을 정렬하고 마지막 열을 추출한다. 정렬 단계는 GPU의 병렬 정렬 알고리즘(샘플 정렬, 머지 정렬 등)으로 가속 가능하지만, 역변환은 임의 접근이 빈번해 메모리 코얼레싱 문제가 발생한다. 현재까지 역 BWT를 효율적으로 GPU에서 구현한 연구는 부족하다. - **런‑길이 인코딩(RLE)**: 연속된 동일 문자 구간을 문자와 길이 쌍으로 압축한다. 경계 탐지는 각 스레드가 이웃 원소와 비교하면 되므로 완전 병렬화가 가능하고, 프리픽스‑합을 이용해 출력 위치를 계산한다. 인코딩·디코딩 모두 네 단계(경계 탐지, 프리픽스‑합, 복사, 길이 계산)로 구성되며, 기존 연구(Fang 등)와 논문의 실험 결과는 GPU에서 20배 이상의 속도 향상을 보여준다. - **이동‑전방 인코딩(MTF)**: 최근 사용된 심볼 리스트에서 현재 심볼의 인덱스를 찾고 리스트 앞쪽으로 이동한다. 리스트 탐색을 모든 스레드가 동시에 수행하면 중복 연산이 발생하지만, 알파벳 크기가 작고 스레드 수가 충분하면 상수 시간에 근접한 탐색이 가능하다. 그러나 디코딩 단계는 이미 최적화된 순차 구현과 차이가 크지 않아 실용성이 제한된다. - **가변 길이 인코딩(VLE, 허프만 코딩)**: 각 심볼을 가변 길이 코드워드로 매핑한다. 코드워드 길이가 다르기 때문에 출력 위치를 프리픽스‑합으로 미리 계산한다. 인코딩은 코드워드 생성·길이 배열·프리픽스‑합·복사의 순서로 병렬화가 가능하지만, 역변환은 코드워드 경계 식별이 어려워 복잡도가 크게 증가한다. 현재 GPU용 허프만 트리 구축 알고리즘은 부재하며, 사전 계산된 트리와 오류 복원 기법을 활용하는 방안이 제시된다. 3.5절에서는 BWT 외에도 **GFC**(Floating‑point Compression)와 데이터베이스 압축 등 특수 목적의 GPU 압축 사례를 소개한다. GFC는 부동소수점 값의 차분과 제로 억제를 이용해 75 GB/s의 압축 속도를 달성했지만, PCIe 전송 한계 때문에 실제 시스템에서는 8 GB/s 수준에 머문다. 데이터베이스 압축은 필드 단위 정수 압축, 사전 기반 압축 등을 결합해 GPU 연산과 PCIe 전송을 동시에 최적화한다. 4장 **Discussion**에서는 앞서 분석한 각 단계의 구현 난이도와 기대 효과를 종합한다. 정렬·프리픽스‑합 같은 기본 연산은 GPU에서 매우 효율적이며, 이를 활용한 BWT와 RLE는 실질적인 가속이 가능하다. MTF와 VLE는 현재 GPU 구현이 제한적이며, 특히 VLE는 효율적인 허프만 트리 구축이 핵심 과제로 남아 있다. 전체 파이프라인을 GPU에 옮길 경우 PCIe 전송 비용을 크게 절감할 수 있어, 압축·압축 해제 모두에서 성능 향상이 기대된다. 향후 Thrust와 같은 고수준 병렬 라이브러리와 새로운 병렬 알고리즘이 보편화되면, 무손실 압축의 GPU 적용이 더욱 확대될 것으로 전망한다.