难得看到一个处理器发现成功用于以外的区域,但这正是发生在图形处理单元(GPU)。芯片最初旨在加快游戏图形和现在没有什么更多的权力从Adobe总理和数据库高性能计算(HPC)和人工智能(AI)。
gpu现在提供服务器从每一个主要的OEM加商标未注册的供应商,但他们没有做图形加速。这是因为GPU实质上是一个巨大的数学协处理器,现在被用来执行计算密集型工作从3 d模拟医学成像金融建模
gpu与cpu
因为他们的专用设计,GPU核心远小于核心cpu,所以GPU有成千上万的核心而cpu最大32。高达5000核可用于单个任务,设计适合大规模并行处理。
无论在乞求并行处理应用程序,这就是GPU计算起飞,Jon Peddie说,总裁Jon Peddie研究遵循图形市场。
“过去,并行处理是用大量的像一个x86处理器,所以他们非常昂贵和困难的计划。GPU作为专用专用处理器提供了更大的计算密度,它是利用在许多数学加速任务,”他说。
支持gpu的应用程序
GPU用于数据中心开始自主开发2020欧洲杯预赛的应用由于语言Nvidia称为CUDA开发。CUDA用c语法调用GPU而不是CPU,而是做一个电话一次,这是可以做到的并行数千倍。
随着GPU的性能改善和非博彩类任务的处理器被证明是可行的,打包的应用程序开始增加对他们的支持。桌面应用程序,比如Adobe总理,船上跳但服务器端应用程序,也包括SQL数据库。GPU是适合加速SQL查询的处理,因为SQL执行相同的操作,通常一个搜索,在每一行集。GPU可以并行化这一过程将一行数据分配给一个核心。
Brytlyt,SQream技术,MapD,Kinetica,PG-Strom和Blazegraph在他们的数据库都提供GPU-accelerated分析。甲骨文已表示,它正在与Nvidia但没有出现公司。微软SQL服务器上不支持GPU加速。
gpu和高性能计算(HPC)
在HPC gpu也发现一个家,很多任务模拟、金融建模和3 d渲染也运行在并行环境。根据360年相交,遵循HPC的市场的市场研究公司,34 50个最受欢迎的HPC应用程序包提供GPU的支持,包括所有的前15名HPC应用程序。
这包括化学应用GROMACS,高斯和VASP,有限元分析软件和OpenFOAM流体动力学,Simulia有限元分析结构分析和WRF天气/环境建模。
“我们相信GPU计算在HPC市场已经达到了一个临界点,将鼓励应用程序优化,持续增加”的分析师表示报告。
GPU计算例子
迅速崛起的gpu市场是人工智能和机器学习,大规模并行问题。“很多企业和cio们看到他们如何使用深度学习解决他们的问题。有些涉猎;其他人则更加。但是现在全面——人们看到深度学习如何帮助他们,这是全面——他们需要一个GPU的服务器,“说至今为止伊朗人,产品管理主管GPU硬件供应商超微型计算机服务器组。
艾未未作品如果你有足够的样品对你正试图让聪明的事情。AI系统学会识别的东西——比如癌细胞是什么样子,但这样做需要大量需要处理的数据和学习好坏。的相关性被发现,算法可以导致创建一个分析。
例如,意大利能源公司埃尼集团和美国的石头岭技术能够处理石油储备模型在不到一天的时间,而不是10个。使用3200 NVIDIA Tesla gpu和石头岭的雁行基于gpu的油藏模拟软件,它处理100000储层模型在大约半小时,一个任务需要十天使用遗留的硬件和软件。每个模型模拟15年的生产,储备平均28分钟。
油藏建模是一个不小的任务。储备是发现通过声波反射地球表面和寻找回声表明石油储备。然后反射波数据转化成图像,作者可以使用它来确定储层含有碳氢化合物和碳氢化合物在哪里位于前景图像。这就决定了它是否值得开采石油储备。这需要大量的数学处理,gpu专攻。
GPU制造商:Nvidia和AMD
cpu、GPU市场两个玩家,Nvidia和AMD。在消费者游戏空间,很有竞争力,大约60/40与Nvidia分为两种铅,Jon Peddie研究。
然而在数据中心2020欧洲杯预赛,甚至关闭。Peddie Nvidia报道有90%的份额AMD的10%。这是由于Nvidia支出将近20年的播种和支持数据中心和其他非博彩类使用gpu。
gpu和CUDA编程
斯坦福大学在2000年代初,一些研究人员开始深入研究GPU可编程和并行的本质。Nvidia雇佣了他们创建CUDA编程语言,允许开发人员编写应用程序在c++中,用GPU加速。
“我给Nvidia很多信用。他们建立了世界各地的大学,数以百计的他们,教CUDA。所以,当一个学生毕业,他们pre-trained CUDA开发人员和设置的基础让CUDA进入产业正如今天我们所知道的那样,“Peddie说。
斯坦福大学的一位教授在CUDA团队伊恩•巴克现在的副总裁Nvidia的加速计算业务单元。他说CUDA的目的是很容易学习和使用。“谁知道C或Fortran,我可以一天教CUAD。早期我们意识到我们不希望创建一个全新的编程语言,你需要学习一些新的东西,”他说。
所以应用程序已经运行在cpu并行相对较快。CUDA的主要变化是调用一次函数,而是像一个排序例程,你叫它成千上万次,每个核心执行它。但CUDA仅供Nvidia gpu。编程一个名为OpenCL的AMD GPU必须使用图书馆离CUDA的支持。
gpu和权力
gpu强大的cpu的替代品在原始性能,但有一个直接联系的性能和电力的使用,和两个保持联系。gpu的最大力量吸引了300瓦。CPU平均值低几百瓦,尽管新Skylake代工作站可以超过200瓦。
最后,gpu弥补它,因为他们的规模。因为他们可以做几十个cpu的工作,你需要更少的gpu做相同的工作。英伟达说新的DGX-2 GPU服务器系统吸引1/18th传统CPU HPC集群的力量来做同样的工作。
超微型计算机,这意味着它必须设计一个产品,利用gpu的。“如果我把一个300瓦特GPU系统可能没有足够的电源容量或热能力。有八个gpu,绝对不会。所以我需要一个定制的盒子,“伊朗人说。
如果你有一个电量有限的数据中心,可能是一个问题。2020欧洲杯预赛不是每个人都有建设数据中心的豪华一个足球场的大小河流水力发电和制冷。2020欧洲杯预赛数据科学家大卫·罗森博格在办公室的首席技术官在彭博,爱如何gpu可以减少计算工作需要每年在cpu与gpu下一个周末。
但他也常常有一个整柜的情况下只有一个或两个机架的gpu,因为他们消耗掉所有内阁可以提供。
“我们经常看着权力,”他说。“如果我们把500年gpu在一个数据中心,这是一个2020欧洲杯预赛很多其他电脑无法。gpu是更多的权力为他们提供比cpu的计算效率。只是他们做那么多比cpu计算,他们最终使用大量的权力。”