Hybridilaskentajärjestelmä on järjestelmä, jolla on heterogeeninen laitteistolaskentarakenne. Kaikkien tietojenkäsittelylaitteiden tai -yksiköiden yhdistelmä, kuten prosessoria ja grafiikkasuoritusta käyttävä laskenta . [1] [2]
Tyypillisesti korkean suorituskyvyn laskentajärjestelmien, mukaan lukien klusterit , pääasiallinen laskentakomponentti on keskusyksikkö . Kuitenkin jo Intel486DX- prosessoreista alkaen tietokoneisiin ilmestyi sellainen elementti kuin apuprosessori , jota voidaan pitää hybridisaatioina laitteistotasolla.
2000-luvun puolivälissä graafisia prosessointiyksiköitä (GPU) alettiin käyttää laskentatarkoituksiin . [yksi]
Suurin ongelma on löytää tapoja suorittaa laskentatehtävät GPU:lla. Ymmärtääkseen tällaisen tietojenkäsittelyn kysynnän NVIDIA esitteli vuonna 2007 CUDA - laitteisto- ja ohjelmistoalustan, jonka avulla voit ajaa mielivaltaista koodia GPU:lla. Ennen CUDA :n tuloa ohjelmoijien piti rakentaa hybridijärjestelmiä perinteisistä näytönohjaimista ja ohjelmoida ne monimutkaisten grafiikkasovellusliittymien avulla .
ATI on kehittänyt omia CUDA -vastineita GPGPU-sovelluksille. Nämä ovat ATI Stream - ja Close to Metal - teknologiat .
Uuden Intel Larrabee - arkkitehtuurin odotettiin tukevan GPGPU - teknologioita . Todellisuudessa osana Intel MIC -tuotelinjaa julkaistu Xeon Phi tuki kuitenkin vain yleiskäyttöistä tietojenkäsittelyä (yhteensopiva x86_64:n kanssa), koska se oli menettänyt näytönohjaimen ominaisuudet. Myöhemmät Xeon Phi -versiot toteutettiin paitsi PCI Express -laajennuskorttien muodossa, myös yhden keskusprosessorin muodossa.
GPU:n suuri laskentateho johtuu arkkitehtuurin erityispiirteistä. Jos nykyaikaiset prosessorit sisältävät useita ytimiä (useimmissa nykyaikaisissa järjestelmissä 2-8x, 2018, pohjoisissa voi olla enintään 64x), GPU luotiin alun perin moniytimiksi rakenteeksi, jossa ytimien lukumäärä mitataan. sadoissa (esimerkki - Nvidia 1070:ssä on 1920 ydintä). Ero arkkitehtuurissa määrää eron toimintaperiaatteissa. Jos CPU:n arkkitehtuuri olettaa tietojen peräkkäistä käsittelyä, niin GPU on historiallisesti tarkoitettu tietokonegrafiikan käsittelyyn, joten se on suunniteltu massiiviseen rinnakkaislaskentaan. [3]
Kummallakin näistä kahdesta arkkitehtuurista on omat etunsa. CPU toimii paremmin peräkkäisten tehtävien kanssa. Kun käsitellään paljon tietoa, GPU:lla on ilmeinen etu. On vain yksi ehto - tehtävällä on oltava samansuuntaisuus.
GPU:t ovat jo saavuttaneet pisteen, jossa monet tosielämän sovellukset voivat toimia niillä helposti ja nopeammin kuin moniytimisissä järjestelmissä. Tulevaisuuden laskenta-arkkitehtuureista tulee hybridijärjestelmiä, joissa GPU:t koostuvat rinnakkaisista ytimistä ja toimivat yhdessä moniytimisprosessorien kanssa. [neljä]
Alkuperäinen teksti (englanniksi)[ näytäpiilottaa] Grafiikkasuorittimet ovat kehittyneet siihen pisteeseen, että monet tosielämän sovellukset ovat helposti toteutettavissa niihin ja ne toimivat huomattavasti nopeammin kuin moniytimisissä järjestelmissä. Tulevat laskenta-arkkitehtuurit ovat hybridijärjestelmiä, joissa rinnakkaisytimiset GPU:t toimivat yhdessä moniytimisprosessorien kanssa. [5]Professori Jack Dongarra Innovative Computing Laboratory Tennesseen osavaltion yliopiston
johtaja
Sony PlayStation 3 -pelikonsoleissa käytetyt IBM Cell -prosessorit sisälsivät kahden tyyppisiä ydintä: PPE:n, yleiskäyttöisen ytimen ja 8 SPE-apuprosessorin joukon.
BOINC GRID Computing Software tukee kykyä käyttää GPU:ta laskentatehtävien suorittamiseen. [6]
| Ohjelmisto hajautettuun ja rinnakkaislaskentaan _ _ | |
|---|---|
| Standardit, kirjastot | |
| Valvontaohjelmisto | |
| Ohjausohjelmisto | |