![인코어드의 AWS HPC 환경에서 WRF 실행하기 [2부: MPI/OpenMP 하이브리드 병렬화 튜닝 심층 분석]](https://d2908q01vomqb2.cloudfront.net/2a459380709e2fe4ac2dae5733c73225ff6cfee1/2026/11/04/Headline-Image-encored-wrf-hpc-part2.png)

인코어드의 AWS HPC 환경에서 WRF 실행하기 [2부: MPI/OpenMP 하이브리드 병렬화 튜닝 심층 분석]
AWS HPC에서 WRF의 MPI/OpenMP 비율을 조정해 통신 오버헤드를 분석했습니다. CPU 사용률보다 wall time과 EFA 패킷 지표를 함께 봐야 함을 확인했습니다.
#AWS#WRF
900
![인코어드의 AWS HPC 환경에서 WRF 실행하기 [2부: MPI/OpenMP 하이브리드 병렬화 튜닝 심층 분석]](https://d2908q01vomqb2.cloudfront.net/2a459380709e2fe4ac2dae5733c73225ff6cfee1/2026/11/04/Headline-Image-encored-wrf-hpc-part2.png)

AWS HPC에서 WRF의 MPI/OpenMP 비율을 조정해 통신 오버헤드를 분석했습니다. CPU 사용률보다 wall time과 EFA 패킷 지표를 함께 봐야 함을 확인했습니다.

AWS HPC 인스턴스에서 WRF 실행 시간과 총비용을 비교해 최적 구성을 검증했습니다. hpc7g 10노드가 가장 경제적이었고, hpc8a는 hpc6a 대체 가능성을 보였습니다.
![[Python] C Library 이용해서 성능 높이기(SIMD + 병렬처리, 3편)](https://devocean.sk.com/thumnail/2024/10/22/c7aa5a88cc502ff04b3cc9525642a0c225571d9875845a184e24b6171f75cf47.png)

Python 연산을 C++ DLL로 넘겨 Thread, OpenMP, SIMD를 적용해 성능을 비교했습니다. 멀티코어 활용 효과는 컸지만 SIMD와 OpenMP의 단순 적용 효과는 크지 않았습니다.