ГЕТЕРОГЕННЫЕ ВЫЧИСЛЕНИЯ.Гетерогенный — разнородный.
Стоит одна большая проблема — обработка информации и данных в установленные сроки. Бывает, что даже самых современных серверных залов с самыми современными процессорами будет недостаточно и очень экономически невыгодно использовать для решений поставленных задач.
· Здесь вступает в игру не так давно получившее массовое признание, направление GPGPU — параллельные вычисления на графических процессорах.
Введение в GPGPU
Sunday, 14 November 2010 01:44 ananas-wd
· GPGPU – General-Purpose computing on GPU (вычисления общего назначения на графических процессорах)
· В качестве вычислений общего назначения могут выступать и задачи, связанные с компьютерной графикой, если они не ограничиваются использованием стандартного графического конвейера (например, метод трассировки лучей)
· Потоковая обработка, используемая в графическом конвейере, может использоваться во многих вычислительных задачах общего характера
Области применения
ü Физическое моделирование
ü Финансовая математика
ü Вычислительная химия, биология
ü Компьютерное зрение
ü Томография
Особенности графического конвейера
ü Параллелизм на нескольких уровнях:
o Вершины обрабатываются параллельно и независимо друг от друга
o Растеризация примитивов также может быть распараллелена
o Фрагменты обрабатываются параллельно и независимо друг от друга
ü Когерентность: параллельно обрабатываемые фрагменты расположены рядом и обращаются к близким участкам текстур
Потоковая обработка на GPU
· Архитектура GPU предусматриваем наличие множества независимо работающих шейдерных процессоров
· Работа графического конвейера хорошо укладывается в потоковую модель вычислений(stream computing model)
· Поток (поток данных) – последовательность однотипных элементов, обработка каждого элемента может осуществляться независимо от других
· Обработка потока выполняется при помощи ядер (kernel)
Потоковая обработка на GPU: ядра
q Ядро получает на вход несколько потоков и выдает несколько потоков
q Сложные вычисления осуществляются последовательным соединением нескольких ядер
Шейдерные языки
q Изначально применялись для решения задач визуализации
q Одним из наиболее популярных является GLSL (OpenGL Shading Language, разрабатывается Khronos Group), входящий в стандарт OpenGL с версии 2.0
q Недостатки:
– На шейдерных языках пишутся только шейдеры (единицы параллельного исполнения), а не целые программы
– Необходимо формулировать задачу в графических терминах («привязка к графике»)
Сторонние средства
q Большинство основано на метапрограммировании: исходная программа разрабатывается на диалекте языка C с потоковыми расширениями, после чего транслируется в шейдеры для исполнения на GPU
q Наиболее известными являются BrookGPU и Sh
Средства от производителей
q CUDA от NVIDIA (февраль 2007 года)
q AMD Stream Computing от AMD/ATI (ноябрь 2007 года)
q Преимущества:
– Написание программ на расширениях языка C в терминах потоковой обработки без специфической терминологии компьютерной графики
– Доступ к специфическим функциям оборудования, широкие возможности для оптимизации
q Недостаток: неуниверсальность, эффективное портирование затруднено из-за привязки к конкретному оборудованию
Стандарт OpenCL
· OpenCL – Open Computing Langugage, открытый стандарт параллельных вычислений, разрабатываемый Khronos Group совместно с представителями производителей устройств и ПО
· Первая версия стандарта в ноябре 2008 года
· Поддерживается Apple, NVIDIA, AMD/ATI, Intel, IBM
· Ориентирован на гетерогенные вычисления
· Поддержка широкого класса вычислительных устройств за счет введения обобщенных моделей (модели платформы, памяти, исполнения, …)