备份系统

xiaoqr

CUDA发展良好 GUP计算生态圈初步形成\r\n\r\n    可见，虽然一般用户已经非常熟悉传统X86集群系统在HPC领域的使用模式，但是我们认为，CPU与GPU的混合系统也确实非常值得关注，用户可以根据自己的实际应用进行测试比较。不过，值得一提的是，CPU系统毕竟已经非常成熟，现有应用软件大多是针对CPU进行编写的，而用GPU进行高性能计算还是一个新兴的领域，特别是在GPU编程方面对于很多用户来说仍是非常大的挑战。\r\n\r\n    对此，NVIDIA公司表示，由于对GPU架构进行了根本性的改变，使其可以用C语言来编程，并推出了全球第一个针对GPU的并行编程环境CUDA，可以用于Windows及Linux。“CUDA在GPU多核并行计算中起到的作用就好比是军队里的将军一样，通过它来保证并行高效有序地实现。”跟CELL、FGPA以及其他GPU相比，CUDA环境支持已经成为NVIDIA GPU计算的一大优势，用户借助CUDA可以更加方便地使用GPU计算。\r\n\r\n    Andy Walch此番还透露了CUDA推出一年多来在全球的发展情况：NVIDIA已经在全球卖出了1亿颗以上支持CUDA的GPU产品，CUDA 开发人员超过了2.5万人，全世界有50多所大学开设了CUDA课程，包括中国科学院、清华大学等。GPU计算的生态系统已经形成。\r\n\r\n    由于NVIDIA广为人知的GPU产品是Geforce系列，虽然Geforce和Tesla都支持CUDA，但两者在产品设计和适用环境仍然存有非常大的区别。Andy Walch解释说，在产品设计上，Tesla的板载内存容量高达4GB，而Geforce只有1GB，前者可以大大减少数据传输量，可以实现更高的计算精度，另外前者由于针对企业级应用环境，在防烧毁等测试方面更加严格和全面。因此，对于一般性应用如视频解码、游戏等使用Geforce就可以，而对于科学计算应用如石油勘探、天气预报等，建议采用计算精度和可靠性更高的Tesla。\r\n\r\n    在SC08上，PGI、Mathematica等专业软件开发商演示了利用CUDA开发软件并获得性能极大提升的实例。NVIDIA还宣布，包括戴尔、华硕、NEC、Cray、布尔等合作伙伴后续将推出各自基于NVIDIA Tesla GPU处理器卡的个人HPC产品。\r\n\r\n\r\n\r\n    实际上，做个人高性能计算机的不仅仅是NVIDIA和Cray。早在2006年11月，泰安就在美国2006超级计算年会上推出了运算性能达256 GFLOPs的“TYPHOON台风”600系列个人超级计算机。早几年前，中科院计算所的李国杰院士也提出了“一万块钱购买一万亿次计算能力”的构想。到了2008年，在中科院计算所的支持下，曙光公司高调推出了pHPC100个人高性能计算机。在前不久举行的2008年全国高性能计算学术年会上，中国科技大学陈国良院士也做了关于pHPC的主题报告，个人高性能计算机的概念得到了英特尔、AMD、曙光、宝德、超微等与会公司的认同。另外，从去年开始，IBM、HP、英特尔等都推出了所谓针对成长型中小企业的刀片服务器产品——IBM BladeCenter S、HP BladeSystem C3000、英特尔模块化服务器，尽管没有挂“个人超级计算机”的名头，但高性能计算却是这些产品的目标市场之一。由此可见，个人HPC早已经不再是一个空穴来风的概念，而是已经涌现出了许多实实在在的产品，高性能计算普及的梦想已经不再遥不可及。