CPU+GPU计算模式与单纯的CPU计算模式相比，有何优势？（获奖名单公布！）

kns1024wh

回复 1# send_linux


    参与下

1.结合您的经验和体会，基于GPGPU的高性能计算主要应用于哪些学科应用？


根据NVIDIA 公司开发的GPU工具包CUDA的测试结果显示，利用GPU实现FFT、BLAS、排序及线性方程组求解等科学计算，与单纯依靠CPU实现的算法相比，平均性能提高了近20倍。


GPU的高性能计算能力趋势高性能计算引擎，GPU的发展速度（包括集成度、计算密集型问题的处理能力等）已远远超过通用处理器，特别是随着可编程能力、并行处理能力和应用范围方面得到不断提升和扩展，使得GPU已成为当前计算机系统中具备高性能处理能力的部件

GPU已成为目前普通PC机所拥有的强大、高效的计算资源。从系统架构上看， GPU是针对向量计算进行了优化的高度并行的数据流处理机。这种以数据流作为处理单元的处理机，在对数据流的处理上可以获得很高的效率。

利用GPU片段程序来求解一般代数问题，包括流体模拟、物理现象仿真、有限差分方程组求解和优化等。


GPU集群系统运用于城市气流模拟。通过在一个显卡上使用多个GPU来形成数据流处理集群，通过强大的数据并行处理机的性能来解决GPU并行数据加速的问题。在基于GPU通用计算的应用系统方面，主要包括几何计算、碰撞检测、运动规划、代数运算、优化计算、偏微分方程、数值求解等。

GPU计算应用于数据库领域，利用GPU硬件对数据库的关系查询、合取选择、聚集操作等进行加速和优化。

在移动终端领域ARM处理器+GPU单元也已是业界的共识。

2.CPU+GPU计算模式与单纯的CPU计算模式相比，有哪些优势又有哪些障碍？（可从硬件和软件两个方面来讨论，比如GPU在图形处理方面具有优势，但是要求使用图形编程语言来对 GPU（图形处理器）进行编程。）

CPU+GPU模式的HPC应用。性能更高，按照摩尔定律，CPU 一般的更新换代时间是18个月，也就是说它能够在18个月后性能就可以翻一番。而GPU 的更新速度是CPU 的1.5 倍，也就是说通常12 个月的时间GPU 的性能就翻了一番。

而且CPU里面大约有超过40%是运算单元，只有5%是逻辑单元，发展到现在，最快的CPU和GPU产品比较，在单精度32 位计算上GPU的运算速度是CPU的50倍，64位运算上是10倍，快很多。同样功耗也随着降低比较绿色。

产品的应用还是要基于之上的开发，NVIDIA和ATI公司相继开发基于GPGPU的物理计算API，使得GPU能够利用浮点片段着色器单元处理包含大量并行操作的科学计算任务。

king_819

1.结合您的经验和体会，基于GPGPU的高性能计算主要应用于哪些学科应用？

在3D领域，GPU的用途很简单，就是为拉更好的渲染3D场景，减轻CPU在图形运算方面的负担。而GPGPU，则是将应用范围扩展到拉图形之外，所以GPGPU在地震成像、电磁学、分子动力学、财务评估、医疗成像、教育科研、工业等领域都得到了广泛的应用

2.CPU+GPU计算模式与单纯的CPU计算模式相比，有哪些优势又有哪些障碍？（可从硬件和软件两个方面来讨论，比如GPU在图形处理方面具有优势，但是要求使用图形编程语言来对 GPU（图形处理器）进行编程。）

随着随高清视频、3D游戏、Flash动画等图形应用的迅速普及，CPU开始对这些大量冒出来的附加运算需求尽显疲态，其“通用计算”的核心优势亦得不到发挥，GPU凭借“图形专用处理器”的专长从CPU手中接过图形加速工作，并以更先进、更完美的计算效率向用户证明了自己的价值。

CPU和GPU都是具有运算能力的芯片，CPU更像“通才”——指令运算(执行)为重+ 数值运算，GPU更像“专才”——图形类数值计算为核心，因此CPU更擅长像操作系统、系统软件和通用应用程序这类拥有复杂指令调度、循环、分支、逻辑判断的程序任务。而GPU则擅长图形类和非图形类的高度并行数值计算

微软发布windows7 其中一个显著特性就是 联合GPU和CPU的强大实力，提升GPU在硬件使用的价值，在Windows7中，CPU与GPU组成了协同处理环境。CPU运算非常复杂的序列代码，而GPU则运行大规模并行应用程序。

ruochen

我觉得主要可能应用在需要3D类的运用，需要大规模渲染之类的场合

像电影、游戏、医疗、勘探、航天之类的实时图形绘制,减轻CPU的负担和瓶颈以及争用问题

伤不起

支持+学习

zerowq

京东搜了下是无线O(∩_∩)O~回复 4# renxiao2003


   

chowmein

1.结合您的经验和体会，基于GPGPU的高性能计算主要应用于哪些学科应用？
  答：
     主要应用于：石油勘探、卫星图象处理、环保与气象、汽车制造、国防工业、体系对抗、水利水电、科学与工程计算、商务计算与数理统计、计算物理
、计算地理、计算化学、生物信息学、药物设计、建筑桥梁、船舶设计等领域。

2.CPU+GPU计算模式与单纯的CPU计算模式相比，有哪些优势又有哪些障碍？（可从硬件和软件两个方面来讨论，比如GPU在图形处理方面具有优势，但是要求使用图形编程语言来对 GPU（图形处理器）进行编程。）
   答：
      从系统架构上看，GPU是针对向量计算进行了优化的高度并行的数据流处理机。这种以数据流作为处理单元的处理机，在对数据流的处理上可以获得很高的效率。CPU+GPU二者互相配合，共同完成数据的计算，充分利用系统空闲的资源和获得更多的计算能力，拥有高带宽和高度并行计算的能力使得在大规模数据集运算的应用上，它在性能上有比目前的cpu更具优势。

wenxin588

GPU主要是一种新的数据处理模式，相对于传统的模式而言，在数据计算的某些领域拥有较强的优势，在目前计算机发展空间难以迅速提高以及大型计算机成本巨高的前提下，另辟蹊径的采用这一种方法可以较大规模提高处理器的性能，因而在计算处理方面拥有较大的市场前景。

yifeng639

1.结合您的经验和体会，基于GPU的高性能计算主要应用于哪些学科应用？


答：1） 动画渲染在GPU热炒之前就一直在使用，里面涉及的各种图片处理、CAD等等学科都比较多

      2）科学计算（NVIDIA）：现在NVIDIA支持的软件比较多，所涉及的学科包括 计算结构力学 生物信息学和生命科学 计算电磁学和电动力学 计算金融学  计算流体力学 分子动力学 气

象、大气、海洋建模和空间科学等。其中我现在看到的有包括生物物理、量子化学、地震模拟、化工模拟等方面在高校已经有所利用了，性能还算不错，但并没有宣讲的这么美

      3）科学计算（intel）：确切的讲intel要新出的knight corner应该也算是GPU加速卡，这个应用比较广泛，以为他可以直接支持intel的编译器，所以涉及的行当可以是现在所有的科

学计算，量子物理、凝聚态物理、量子化学、生物物理、流体力学、天气预报等等等。（当然在这个尚未出来的情况下，这只是合理的推论）



2.CPU+GPU计算模式与单纯的CPU计算模式相比，有哪些优势又有哪些障碍？（可从硬件和软件两个方面来讨论，比如GPU在图形处理方面具有优势，但是要求使用图形编程语言来对 GPU（图形处理器）进行编程。）

答：优势：

     1）性价比：同样的价格可以提高更大的计算能力

     2）计算能力：此计算能力与1）不同的意思是，单机机器可以提供的计算能力提升，因为单机内的计算理论上讲比多机依靠网络要快，而且与CLUSTER比，单台GPU不占地方，可以实现桌面或者便携的‘超级计算机'

     劣势：

     --------- AMD的GPU就不谈论了，因为OPENGL的支持有限，所以实际还局限在显卡支持的方面，就是图像图片处理！中国的天河一号，最早用的GPU竟然ATI的，匪夷所思啊，虽然后面是NVIDIA的tesla 2050，但。。。不解释了。。大家都懂得，那可是面向科学计算的哎---------

     ---------nvidia的CUDA平台的劣势-----------------

     1）官网上号称对很多应用软件支持，但实际效能上要差别很多，例如AMBER之类的还可以，如果在这些方面与CPU机器相比并未太大优势，这就是劣势，因为延续习惯是很多人的习惯

     2）自写程序必须学习CUDA编程，这不得不要求使用者具有一定的开发能力，而且在CUDA前景并不确定的情况下，坚持使用CUDA是不是会碰到intel利用knight corner挤死nvidia都很难讲，不管要求很高，而且未来风险很大，这也是劣势。（当然因为使用者少，所以可以交流或者网上的资料少，所以难度至少*5）

     3）散热：多GPU的机器对散热要求非常高，实际使用者很有体会，笔者曾碰到GPU机器必须休息几个小时后才能重新计算的情况（否则任务就是无法运行，报错，错误莫名其妙）

     4）调度：GPU的调度和CPU的调度不同，所以对于大规模集群中使用GPU就必须解决这个问题，当然前面的很多问题都没有解决，这个问题关注度并不高。

---------------intel的knight corner----------------------------

      暂时还没发布，未实测结果，暂时空白，以后补充。

     

jzhyf

我一菜鸟，可问一下，这种模式是不是在386时代有这种组合啊，我大约记得当时有一个负责浮点运算的协处理器，（好像叫387，忘了）。现在必成了串行与并行的互补，应该行吧？

michael1983

1.结合您的经验和体会，基于GPGPU的高性能计算主要应用于哪些学科应用？

但从字面意思来看，基于GPGPU的高性能计算肯定主要应用在跟“图形处理”有关的应用上，例如HPC、高清视频编解码、科学计算、工程计算、医学、图像处理、物理计算等学科应用，同时由于GPU高效的并行性和灵活的可编程性，非图形绘制方面也有了GPU的身影，代数计算、流体模拟、数据库应用、频谱分析等非图形应用领域，甚至包括智能信息处理系统和数据挖掘工具等商业化应用也设计到了GPGPU。


2.CPU+GPU计算模式与单纯的CPU计算模式相比，有哪些优势又有哪些障碍？（可从硬件和软件两个方面来讨论，比如GPU在图形处理方面具有优势，但是要求使用图形编程语言来对 GPU（图形处理器）进行编程。）

为何GPU或者GPGPU会诞生，究其根本原因，还在于普通CPU需要兼顾的面太广，这样，它就要统筹考虑，舍去一切不太常用的功能，就像CISC和RISC一样。我们普通家用PC上肯定用不着GPU，一般的CPU已经足够我们用了。但是CPU用在某些特殊领域就有些力不从心。

谈起CPU+GPU计算模式与单纯的CPU计算模式的优劣，一个性价比指标就可以很清晰的描述清楚。

性能：这是GPGPU的优势所在，针对图形处理的设计专业性、高效的并行性、灵活的可编程性、高密集的运算、超长图形流水线特性，使得GPGPU在性能方面远远要高于单纯的CPU，这也就是它会用于高精尖领域的最根本原因。

价格：价格是GPGPU的很大障碍，而且现在供应GPU的厂商也比较少，仅有AMD、NVIDIA等少数厂商，因此在市场上的垄断地位也会导致价格的较为昂贵，不过毕竟GPU现在的受众面还比较小，最起码现在的市场并不是针对普通PC大众的，所以价格高也就不足为奇了。

技术：单纯CPU的技术已经十分成熟了，且INTEL等CPU厂家的研发力度持续增强，技术越来越先进，市场份额也越来越大；尽管GPGPU看起来功能较为简单，即便依赖于AMD等原有CPU厂商强大的技术支持力量，但其毕竟属于全新的东西，它在硬件结构、指令系统、处理流程等方面和真正用于通用计算的CPU有本质差别，而且软件环境方面也不成熟，如何制定统一的抽象界面、编程模型、开发环境和工具软件等，都是需要解决的问题。

一句话，GPGPU，前途光明，道路坎坷，未来还有很长的路要走！