论GPU云计算的力量

1、前言

CPU是中央处理器，计算机的核心，作为通用处理器，具有“全能性”，覆盖的运算方面很广，而GPU作为专门的图形的核心处理器，具有非常强悍的单一运算能力，有高度的并行运算性。CPU的资源多用于缓存，GPU的资源多用于数据计算。将GPU融入到云计算底层架构中，打造CPU+GPU异构运算系统，实现CPU和GPU计算资源的合理分配，大大的降低云服务成本，提高更好的性价比，为我们带来了新的选择。

2、GPU的计算方法

GPU的工作就最初是在显示上的需求，它能在短时间内完成对每一个像素的坐标转换和色彩计算，这种计算特点必然决定了GPU必须具备大规模并行计算能力，GPU的并行计算架构正是为了适应这种大规模并行计算而设计的。在当前市场上，GPU已经成为现在最为强大的计算设备，已经超越了CPU独霸的地位。GPU和其相关软硬件的发展也产生了强大的市场动力，因此GPU得到了的快速发展。随着GPU厂商尝试着向通用计算转型，这让用户领略到了GPU强大的并行计算能力和它极高的能耗比，将GPU应用于通用计算正成为业界探讨的话题。PU设备的高浮点运算能力受到越来越多的科研人员所青睐。

3、GPU加速云计算

GPU擅于处理规则的数据结构和可预测的存取模式，具体应用包括光影处理、3D坐标变换、科学计算等等。GPU以其独有的技术优势已经迅速成为打造全球顶尖超级计算机的关键技术，在TOP500公布的全球超级计算机排行榜单上面，我们发现，越来越多的超级计算机都已经引入了GPU计算核心。GPU越来越被市场所认可，GPU尤其在并行计算领域，以其强大的运算能力，在视频处理、石油勘探、生物化学等行业取得了巨大的成功，云在是一种计算力服务的模式，它是一种概念，亦可说是一种信息处理与服务交付的模型。云计算，一种基于互联网的计算方式，通过这种方式，共享的软硬件资源和信息可以按需求提供给计算机和其他设备。云计算是继1980年代大型计算机到客户端-服务器的大转变之后的又一种巨变。它是透过网络将庞大地计算处理程序自动分拆成无数个较小地子程序，再交由多部服务器所组成地庞大系统经搜寻、计算分析之后将处理结果回传给用户。当云计算正被用户所越来越接受时，计算环境的集中化，GPU的计算能力被进一步挖掘出来“云时代”的到来无疑又给了GPU无限机会。把云计算也看成是一台超级计算机，只不过这台“超级计算机”是由很多台聚集或分散的服务器、存储等设备，通过网络连接到一起，以对外提供在线计算服务。

有许多厂商成功运用GPU云计算的例子，如：NVIDIA与旗下全资子公司、业界知名图形渲染技术厂商mental images联合宣布推出云计算平台“RealityServer”；曙光GHPC 1000高性能计算平台采用通用CPU和专用GPU均衡设计，既保证了GPU的处理性能，又兼顾了通用CPU的计算能力；NVIDIA GRID视觉计算设备（VCA）是一款基于GPU的强大系统，可运行 Adobe、Autodesk以及DassaultSystemes等公司的复杂应用程序，通过网络发送其图形输出，以便显示在客户电脑之上。这些成功产品的优势是：可即刻投入使用的平台，简化了安装与管理，安全得到了增强；完全集成的系统，最大限度增加了用户密度。英伟达总裁兼首席执行官黄仁勋曾经说过：“Kepler 云GPU技术让云计算如同驶入了全新的快车道一般。触控设备如果想要实现丝般顺畅的操作和完美的图形效果，GPU是必不可少的。现在，无论是远程工作的商务人士还是想要摆脱 PC或游戏机束缚的玩家，云GPU都将为其提供绝佳的体验。”

4、结束语

今后和未来，GPU将重新定义高性能计算，计算架构将是并行核心GPU与多核CPU串联运行的混合型系统，配备GPU将成为超级计算机的发展趋势；而这些计算机将在更多的领域内得到更广泛的支持和应用，并将曾经不可能实现的科学极限变为现实。GPU计算的发展前景一片光明。

参考文献

[1]吴恩华.图形处理器用于通用计算的技术、现状及其挑战[J].软件学报，2004，15（10）：1493-1504.

[2]Buyya， Rajkumar； Chee Shin Yeo， Srikumar Venugopal. Market-Oriented Cloud Computing： Vision， Hype， and Reality for Delivering IT Services as Computing Utilities （PDF）. Department of Computer Science and Software Engineering， The University of Melbourne， Australia. 9. [2008-07-31].

[3]Nadathur Satis. Designing Efficient Sorting Algorithms for Manycore GPU[J].IEEE International Parallel and Distributed Processing Symposium， May 2009，23（2） 655-660.

[4]Nadathur Satis. Designing Efficient Sorting Algorithms for Manycore GPU [J].IEEE International Parallel and Distributed Processing Symposium， May 2009，23（2） 655-660.

[5]陈全，邓倩妮·云计算及其关键技术[J].计算机应用，2009， 29（9）： 2562-2564

基金项目

吉林省教育厅“十二五”科学技术研究基金资助项目（吉教科合字[2012]第371号）

推荐访问： 力量 计算 GPU