计算机前沿导论-4课件.ppt

作业 你考虑将传感器网络应用在哪些领域能够影响人类未来的生活？你能否设计出一个传感器网络应用系统来改变这个世界。写一个报告，篇幅约为A4纸2页。 写一个报告：对GPU未来发展趋势的展望。你认为未来Intel, AMD, NVIDIA谁的观点正确。未来高性能计算将向哪个方向发展？篇幅约为A4纸3页。 * * * GPU的设计目标与GPU是不同的，CPU的大部分晶体管主要用于构建控制电路和Cache，只有少部分的晶体管完成实际的运算工作；而GPU架构中，其控制电路相对简单，而且对Cache的需求较小，所以大部分晶体管可以组成各类专用电路和多条流水线，使GPU的计算速度有了突破性飞跃，拥有强大的浮点运算能力。 * CPU+GPU编程的本质是将粒子模拟中需要巨大计算量的工作交给GPU多线程执行实现，CPU主要进行调度工作。在GPU内部，数据有6种存放空间，存放方式与存放位置对程序性能影响极大。 基因及蛋白质排序 利用GPGPU加速HMMERScalable Informatics MUMmerGPU：使用GPGPU进行高吞吐量DNA序列比对Schatz等人 * 复杂多相流动分子动力学 分子动力学(molecular dynamics，MD)模拟是认为分子之间作用力遵守牛顿力学的一种科学计算方法，现已广泛应用到生物、医药、材料、能源、机电的等领域中。 中国科学院过程工程研究所多相复杂系统国家重点实验室进行了GPGPU上的分子动力学(MD)模拟。 * UIUC分子动力学程序 UIUC大学NAMD和VMD程序在18个CPU的机群上有100倍的加速。 3个C870的工作站实际达到705Gflops计算能力 不适合的应用 需要复杂数据结构的计算如树，相关矩阵，链表，空间细分结构等，则不适用于使用GPU进行计算。 串行和事务性处理较多的程序 并行规模很小的应用，如只有数个并行线程 需要ms量级实时性的程序 需要重新设计算法和数据结构或者打包处理 GeForce GTX 275 计算模式：Host -----Device(Client-----Server)(CPU-------GPU) 从前的GPU开发环境 Cg：优秀的图形学开发环境，但不适合GPU通用计算开发 ATI stream：硬件上已经有了基础，但只有低层次汇编能够使用所有资源。高层次抽象Brook本质上是基于上一代GPU的，缺乏良好的编程模型 OpenCL：联合制定的标准，抽象层次较低，对硬件直接操作更多，代码需要根据不同硬件优化 CUDA：目前最佳选择。 什么是CUDA? NVIDIA公司于2007年正式发布的CUDA (Compute Unified Device Architecture，计算统一设备架构)是第一种不需要借助图形学API就可以 使用类C语言进行通用计算的开发环境和软件体系。 CUDA 执行模型 重点是将CPU做为终端(Host)，而GPU做为服务器(Server)或协处理器(Coprocessor)，或者设备（Device），从而让GPU来运行一些能够被高度线程化的程序。 CUDA的基本思想是尽量得开发线程级并行(Thread Level Parallel)，这些线程能够在硬件中被动态的调度和执行。 CUDA API CUDA执行模型 调用核程序时CPU调用API将显卡端程序的二进 制代码传到GPU grid运行在SPA上 block运行在SM上 thread运行在SP上 存储器模型 Register Local shared Global Constant Texture Host memory Pinned host memory GPGPU并行编程模式(1/3) 图形API OpenGL 提供针对图形渲染的API 最早由SGI开发、跨平台 Direct3D 一种基于OLE COM的API 依赖于Windows平台的DirectX OpenCL 针对异构系统并行编程计算的API 由Apple提出，收到多家硬件厂商支持(IBM, HP, NVIDIA) 由Khronos组织维护 * * GPGPU并行编程模式(2/3) 通用计算编程接口 STREAM 包含： CAL 指令集 Brook++ 类C语言及编译器 特点： 板载内存——带宽受限 支持汇编方式编程 * * GPGPU并行编程模式(3/3) * * CUDA架构详解 以NVIDIA Tesla C870图形卡为例介绍CUDA架构 CUDA——Compute Unified Device Architecture 峰值: 518Gflops/card 编程模式: CUDA v1.1 编译器: NVCC * * CUDA逻辑结构及内存结构(1/6) 在