More Related Content
Similar to GpuInCloud (20)
More from Alireza Karimi (6)
GpuInCloud
- 1. GPUابری پردازش در
کریمی علیرضا
شاهرود تخقیقات و علوم
AlirezaKarimi.67@gmail.com
چکیده
و ابری پردازشGPGPUهزینه و زیاد پذیری باال،انعطاف قدرت ، ها فناوری این دوی هر .هستند فناوری در روز به مباحث از
و داده سازی ذخیره و مدیریت برای تکنولوژی یک عنوان به ابر فناوری .دهند می ارائه عمومی های حل را به نسبت تر پایین
خ ، نیاز زمان در محاسباتی قدرت بودن دسترس در همچنین.داده نشان خوبی به را ودGPUپردازشگر کمک یک عنوان به نیز
برایCPUتا حتی و بوده موثر بسیار خاص محاسبات انجام در011ابتدا گزارش این در .داده افزایش را محاسبات سرعت برابر
کم توسط که حوضه این در هایی فناوری سپس و شده معرفی گرافیکی های پردازنده و ابری پردازشمانند های پانیNvidiaارائه
.شود می بررسی اند شده
: کلیدی کلمات،ابری پردازش در گرافیکی های ابری،پردازنده گرافیکی،پردازش های پردازندهGPU،Cloud،Gpu in
Cloud،Cuda،Cuda in cloud
مقدمه
در همچنین و داده سازی ذخیره و مدیریت برای تکنولوژی یک عنوان به ابر فناوری، نیاز زمان در محاسباتی قدرت بودن دسترس
.داده نشان خوبی به را خود
GPUبرای پردازشگر کمک یک عنوان به نیزCPUتا حتی و بوده موثر بسیار خاص محاسبات انجام در011سرعت برابر
.داده افزایش را محاسبات
همراه به را بسیاری مزایای یکدیگر کنار در فناوری دو این استفاده.داشتهGpu+Cloudبا را ابری پردازش قدرت و انعطاف ،
باالی محاسباتی قدرتGPU.داده تغییر کلی به را آن به پاسخ و مشکل یک تعریف نحوه فناوری دو این ترکیب .کرده ترکیب
د ولی شود می گفته شبکه پایه بر سرویس نوع هر به معموال مکالمات در چون است خاصی واژه ابری پردازشب گزارش این ره
معنای"مجازی دهندهای سرویس طریق از درخواست زمان در محاسبات"زمینه این در پیشگامان از .است
AmazoonElastic،RackSpace،MicrosoftAzureیا و سایت وب یک برای بیشتری های سرویس به نیاز اگز . هستند
موار ها آن ز است کافی فقط دارید بزرگتر ای داده پایگاه.شود می براورده نیازتان دقیقه چند در و کرده خرید را خود نیاز مورد د
- 2. چراCloud+GPU
اگر01ساعتی ازای در توانید می گفت می شما به کسی قبل سال01لیست در که رایانه ابر یک دالر011جهان برتر رایانه ابر
ف اکنون ولی .کردید نمی باور را حرفش قطعا کنید اجاره را استناوریCloud+GPUشکل به ابتدا .است کرده پذیر امکان کار این
0دسترس در که محاسباتی توان که باشید داشته توجه البته .کنیم بررسی را افراد دسترس در محاسباتی قدرت تاریخچه و کنید نگاه
توان است مشخص شکل در که همانطور .است بزرگ سازمان یک از کمتر مراتب به است شخص یکاشخاص دست در محاسباتی
به محاسباتی توان این به دسترسی هزینه آنکه انگیز شگفت .رسید خود اوج به اکنون و بوده افزایش حال در تاریخ طول در مرتبا
است یافته کاهش معکوش طور.
فناوریCloud+Gpuمی سهام بازار ، وب در باال گرافیک با بازی یک داشتن مانند بسیاری مشکالت کردن حل به قادر را ما
کردن پیدا همچنین و مسائل سریع حل به قادر اکنون ما و داده گسترش را فناوری و دانش های مرز جدید فناوری نماید.این
همیشه که باال محاسباتی توان این طریق از مهمتر مشکالت.هستیم است دسترس در کم بسیار هزینه با و
، نیاز زمان در محاسباتی قدرت بودن دسترس در همچنین و داده سازی ذخیره و مدیریت برای تکنولوژی یک عنوان به ابر فناوری
.داده نشان خوبی به را خود
GPUبرای پردازشگر کمک یک عنوان به نیزCPUموثر بسیار خاص محاسبات انجام درتا حتی و بوده011سرعت برابر
.داده افزایش را محاسبات
.داشته همراه به را بسیاری مزایای یکدیگر کنار در فناوری دو این استفادهGpu+Cloudبا را ابری پردازش قدرت و انعطاف ،
باالی محاسباتی قدرتGPUر آن به پاسخ و مشکل یک تعریف نحوه فناوری دو این ترکیب .کرده ترکیبداد تغییر کلی به ا.ه
خریدمان داریم انتظار ما باشد پیتزا یک تلفنی خریدن حتی خواه زند می آن در را اول حرف سرعت که میکنیم زندگی جهانی در ما
خواسته همین کدن براورده در سعی نیز خدمات دهنده ارائه های شرکت .برسد ما دست به هزینه حداقل با و زمان کمترین در
.دارند
Gpu+Clodچیست
Cloud+Gpuزمان در های سرویس ارائه نحوه کلی به ابر فناوری .است گرافیکی های پردازنده و ابر فناوری دو از ترکیبی
کمک یک عنوان به نیز گرافیکی های پردازنده .داده تغییر باال پذیری انعطاف و ها هزینه کاهش با را داده مراکز توسط درخواست
کنار در پردازندهCpuترکیب ، فناوری این نتیجه .کرده ایفا سازی موازی مسائل از بسیاری حل در موثری نقشGpuوCloud
.دارد هم با را دو هر مزایای بودهکه فناوری داشتن و هم کنار در
- 3. ابری پردازش مزایای
.ندارید قیمت گران تجهیزات دشتن برای هزینه به نیازی
.پایین استفاده هزینه
نا ظرفیتتقاضا برای پذیری انعطاف و محدود
فراوانی
آسان مدیریت
اینترنت طریق از آسان دسترسی
دارد نیز دیگری مزایای ابری پردازش ، گرافیکی های پردازنده منظر از
قیمت کمترین با گرافیکی های پردازنده های فناوری آخرین به دسترسی
ابر هر در گرافیکی پردازنده چند داشتن
بسیار سرعتباال
.باال انتخاب قدرت
گرافیکی های پردازنده
سال از3112با های پردازنده اول نوع .داشت وجود پردازنده نوع دو3یا4یا8، اصلی های پردازنده که بوده هستهCPUاز را
و بوده کوچک های هسته زیاد بسیار تعداد با که دیگری نوعی و ساختند می نوع اینGPUاول نوع از .ساختند می نوع این از را
پردازنده توان میcore i7دارای که برد نام8همزمان اجرای از هسته هر همچنین است فیزیکی هسته3هر کند می پشتیبانی نخ
دستورات کامل مجموعه منظم نا اجرای توانایی ها هسته این از کدامx86اعمال انجام برای پردازنده نوع دارد.اینبسیار ترتیبی
به توان می نوع این از است موازی های برنامه مناسب که است هسته زیاد بسیار تعداد داری دوم نوع .هستند مناسبNvidia
Geforce GTX 280شامل که کرد اشاره341منظم ، نخ چندین اجرای توانایی ها هسته این از هرکدام ،است گرافیکی هسته
ر دستور یک اجرای و بودهبا را خود دستوری کش و کنترلر هرکدام و دارند ا7شکل در .گذارند می اشتراک به دیگر هسته0
اعشاری محاسبه توان مقایسهCPUوGPUبه دو این فاصله اکنون شود می مشاهده که همانطور شده داده نشان01.رسیده برابر
- 4. شکل1
زیادی بسیار اختالف دلیلکارایی بین کهCPUوGPUمعمار در دارد وجوداست(شکل نهفته پردازنده دو این ی3طراحی . )
CPU.دارد برنامه اجرای نتیجه در و ها نخ دستورات تریبی اجرای برای خوبی بسیار منطقی کنترل و کدهاست ترتیبی اجرای برای
دست و داده انتقال برای نیاز مورد تاخیر آن زیاد کش همچنین.رساند می حداقل به را پردازنده به اصلی حافظه از ورات
شکل2
شکل در2از که را جدید گرافیکی پردازنده یک معماریCUDAارایه در پردازنده این .نمایید می مشاهده کند می پشتیبانی نیز
طراحی زیاد بسیار نخ تعداد با و ای پردازنده چند جریان هاییهر پردازند این در .شده3می را بالک یک چندپردازنده چریان
پردازنده جریان تعداد از ای پردازنده چند های جریان .باشد متفاوت ، مختلف های پردازنده در تواند می موضوع این ولی سازند
.دارند مشترکی منطقی کنترلر و دستوری کش که شده تشکیل
- 5. شکل3
معرفی از قبل .شود می استفاده هستند موازی باالیی درصد با که مسائلی حل برای ها پردازنده اینCUDAتوسطNvidiaراه تنها
( عمومی مسائل حل برای گرافیکی های پردازنده از استفادهGPGPUبود پایین سطح در گرافیکی کارهای به ، مسائل این تبدیل )
اس مشکلی بسیار کار البته کهمعرفی از بعد .تCudaنیز دیگری هایی حل راه بلکه یافته بهبود و یافته گسترس آن خود تنها نه ،
.شده ابدائء گرافیکی های پردازنده قدرت از استفاده برایOpenCL،DirectComputr.هستند ها حل راه این از ای نمونه
Nvidiaابری پردازش در
ا پردازش زمینه در شرکت این فناوری.تجاری و بازی :کرد تفسیم کلس دسته دو به توان می را بریف دو توضیح به ادامه درناوری
nvidiaپردازیم می ابری پردازش حوزه در
Nvida Grid Enterprise Virtualization
Nvidi gridاز را خود مجازی های محیط گرافیکی های پردازش دهد می امکان بزرگ های شرکت بهCPUبهGPU.کرده منتقل
مدیران کار این باdata Centerیک با کار از تری واقعی تجربه و بهتر گرافیک تواند می هاpc.دهند رائه خود کاربران به را
برای مضایاIT:
مجازی های حل راه به باالتر گرافیکی های قابلیت با کاربران شده اضافه
کاربران وری بهره افزایش
کاربران برای مضایا:
- 6. مدیا مالتی خوب تجربه یک و ها پنجره مطلوب پاسخگویی
های برنامه مانند سنگین های برنامه اکثر اجرای3D
داشت دسترسی آن به توان می دستگاهی هر با و مکانی هر از
Grid VGX Software
کتابخانهGrid VGXپایه بر سازی مجازی های حل راه به که است های فناوری از مجموعه یکGPUگرافیکی های توانایی مانند
درhypervisorsداده های جریان رسانده امکان ها دهنده شتاب وremoteبرای اقتصادی حل راه یک فناوری این .دهد می را
.هاست برنامه و مجازی های دسکتاپ توانایی بهبود
شکل4
GRID VGX ENABLED HYPERVISORS:های حل راه در کلیدی فناوریGridسازی مجازی ،GPU.استGRID VGX
ENABLED HYPERVISORSبه دسترسی اجازهGrid K1وK2منابع مدیریت با همچنین .دهد می مجازی محیط یک در را
GPU.کند می فراهم را افزاری سخت منبع یک از کاربر چندین مشترک استفاده امکان
GRID VGX ENABLED VIRTUAL DESKTOPS:یک در که مجازی دسکتاپ یکdatacenterیک به دارد وجود دور راه
فناوریremote.دارد نیاز ، کاربر به معمولی های رایانه به نزدیک تجربه یک نمایش برای سریع بسیارGrid VGXدسکتاپ به
- 7. در مستقیما را خود دور راه جریان که دهد می را امکان این مجازی هایVGX Gpuبه را تاخیر کار این با و کرد کد و ضبط ،
.دهند کاهش شدت
شکل5
GPU Grid:Nvidia Keplerهای بورد روی کهGrid K1وK2طراحی مجازی های محیط برای خاص طور به دارد قرار
.شده
GPU Virtualization:بورد های قابلیتGridمعماری همراه بهKeplerسخت سازی مجازی اجازه مرتبه نخستین برای ،
در افزارGPUیک توانند می بیشتری کاربران تعداد کار این با .دهد می راGPUکاربران این های قابلیت ،گذاشته اشتراک رابه
کارایی که حالی در یافته افزایشPC.یابد می افزایش نیز
Low-Latency Remote Display:Nvidiaکاهش برای را جدید تکنیکlagماشین با محاوره زمان کاربر توسط شده حس
پروتکل به مستقیما مجازی دسکتاپ صفحه ، فناوری این کرده.با ابداء مجازیremot.شود می منتقل
H.264 Encoding:Kepler Gpuرمزگذاری موتور یک همراه بهH.264ه جریان رمزگذاری قابلیتکیفیت با همزمان ای
فناوری این .است ابر های سرور در خوب بسیار جهش یک این .دهد می را باال بسیارCPUبه و کرده آزاد رمزگذاری توابع از را
های هسته زیاد تعداد با تطبیق امکان توابع اینGPU.دهد می را
- 8. Maximum User Density:بوردهایNvida Gridچند داشتن برایGPUکاربران حداکثر توان می نتیجه در و شده طراحی
.داشت را
Power Efficiency:Grid Gpuهمراه بهSMXدر مصرفی انرژی رساندن حداقل به برایdatacenter.شده طراحی ها
هر در شده گرفته کارایی در انقالب یک فناوری این نتیجهwatt.بوده مصرفی
34/7Reliability:بوردهایGridکار برای34هر در ساعته7. اند داشته آمیزی موفقییت نتایج و شده آزمایش هفته روز
شکل در0های بورد مشخصاتk1وk2.نمایید می مشاهده را
شکل6
Cloud Gaming
، ها رایانه ، هوشمند های تلفن مانند کاربران های دستگاه به محتوا از پایانی بی حجم رساندن با ابر پایه بر های جریان فناوری
Tablet،TV.است کرده متحول کلی به را موزیک و فیلم صنعتمانند هایی سرویس از استفاده تجربه کاربر ها میلیون اکنون هم
NetFlixد .دارند را.دارد رشد به رو بازار این از سهمی داشتن به تمایل نیز سازی بازی صنعت نتیجه رNvidiaتجربه به توجه با
.نمود سازها بازی برای حلی راه ساختن به اقدام دارد گرافیکی عملکردهای و ها بازی گرافیک در که قوی
- 9. GAASندارید کنسول به نیاز دیگر :
Nvidia Gridسروی برای ای پایه.دارد سنتی بازی های کنسول به نسبت بسیاری مزایای و است خواست در زمان در بازی س
مانند دستگاهی هر روی بازی ، پایین تاخیر ، باال کیفیت : دستگاهی هر روی بازیPC،Mac،SmartPhone،Tablet،TV
بازی از عظیم ای مجموعه به دستگاهی هر با و مکانی هر در : آسان بسیار دسترسیابر در را خود بازی توانید می ، دارید دسترسی
.دهید ادامه را آن دستگاهی هر با و کجایی هر در و ذخیره
.ندارید بازی دیسک به نیاز . نیست پیچیده های نصب به نیاز .ندارید جدید افزار سخت به نیاز : سادگی
ساختارابری بازی سرویس یک
Nvidia.بوده نیز جهان های رایانه ابر بزرگترین سازنده همچنین و بوده سازها بازی برای ها فناوری برترین سازنده ها سال برای
Nvidai Gridشده گذاشته قوی بسیار سیستم یک داشتن برای که موتور هزاران و ابر در بازی یک رندر برای ها فناوری همان از
.کند می استفاده
شکل7
: ها ویژگی
سازی شبیه فناوری از استفاده با : بیشتر زمان هم کاربرانGPUسرور هر ،Nvidiaتا تواند می23بازیHDپخش همزمان را
.نماید
اینکه با توجه با : بهینه برق مصرف23بازی هر ازاء به مصرفی وات داشت انتظار توان می شود می اجرا همرزمان بازی.باشد کمتر
Nvidia VGX Hypervisorمنابع مدیریت با :GPUهنچنین ، بگذارند اشتراک به را افزار سخت یک کاربر چندین دهد می اجازه
همانند تجربه یکPC.دهد می ارائه کاربر به را
- 10. :با کم تاخیرNvidia Gridتا بازی سرور تاخیر30msباز هماند آن در بازی نتیجه یافته.در کاهشرایانه یک در یLocal.است
Penguinابری پردازش در
شرکتPenguinپردازش های قابلت کردن اضافه برایGPUمانند کالستری سیستم ،nvidia teslaبا8Tflopsسرویس به را
خود ابریPODپردازنده دو شامل کالستر این های .گره کرده اضافه4هستهintel Xenon،24GBو اصلی حافظه2تا
گرافیکیTesla C1060کل در که است731و گرافیکی پردازنده12GB.کند می تامین ساعت در را کارت بر اصلی حافظه
پردازش های سرویس همچنین شرکت اینhigh-Performanceاساس بر راRealityServer.دهد می ارائهRealityServer
شد ساخته افزاری نرم فرم پلت یکوسیله به هnvidiaتصاویر طراحی برای3D.است وب در باال کیفیت باRealityServer
را وب بر مبتنی باال بسیار گرافیک با ای محاوره گرافیکی های برنامه ساخت اجازه که است وب در قدرتمند بسیار فرم پلت یک
.دهد می
برای نیاز مورد باند پهنای ، ابری پردازش در مشکالت از یکیدر که است اینترنت طریق از های داده مجموعه خروج و ورود
های پردازشHigh-Performanceاز بیشتر حجم با های داده انتقال برای .دارد باالیی بسیار حجم گاها و شود می استفاده
250GBتا که دهد می پیشنهاد را سرویسی شرکت این2TBشبان ای ماهواره ارتباط یک طریق از را داده.کند می منتقل ه
Peer1پردازش نوع دو همچنین شرکت این .است ابر و هاستینگ خدمات دهنده ارائه های شرکت از دیگر یکی نیزCUDAمیتنی
پردازنده پایه بر یکی .دهد می ارائه را ابر برNvidia S1070 GPUدیگری وm2050GPUهمچنین شرکت این های سرور .
ازRealityServerپشتی نیز.کنند می بانی
Amazoonابری پردازش در
( آمازون وب های سرویسAWSارتباط در ما موضوع با که را انها از تا دو گزارش این در ما که هاست سرویس از ای مجموعه )
.کنیم می بررسی هستند
0-Amazoon S3 Storage
3-Amazoon EC2 Elastic Compute
Amazoon Simple Storage Service (S3)
این.است اطمینان قابل و پذیر انعطاف دیگر ابری های سرویس تمام مانند و شود می ارائه اینترنت طریق از سرویسامازون
نام به واحدی در اشیاء صورت به ها داده که باشد صورت این به باید کار ظاهرا . نداده ارائه سرویس این کار نحوه از اطالعاتی
“ظرف”از هرکدام و شوند می ذخیرهاینظرف.شوند می نگهداری حساب یک توسط هاای داده شیء توان میتا0TBداده ابر و
اندازه به ایKB 2آن برای.داد جای ظرف یک در را شیءنیز شیء آن ظرف نام معرف که یکتا کلید یک وسیله به شیء هر به
لینک یک طریق از که است ای گونه به کلید این فرمت .یابد می تخصیص هستHTTP.است دستیابی و یافتن قابل
- 11. Amazoon S3 APIدرخواست نوع دو هر پذیرش تواناییSOAPوREST-style HTTP.دارد رااین از استفاده باAPIمی ،
.نمود لیست و ایجاد را اشیء و ظروف توانپروتکل از استفاده با ها داده دانلود امکان همچنینBitTorrent.است فراهم
در ها داده به امن دسترسیS3.شود می تامیین ظرف هر و شیء هر برای دسترسی کنترل لیست یک نگهداری طریق از
ینکه برایCloud+GPUدرست به،کند کار ی.باشد داشته دسترسی ابر در شده ذخیره های داد به بایده این به دستیابی برای، دف
فای سیستم از جزئی مانند ظروف نتیجه در و شود می برقرار ظروف با اتصلیمحاسباتی گره در ل.رسد می نظر بهبههای گره این
محاسباتیEC2.شود می گفته
Amazon Elastic Compute Cloud (EC2)
EC2ابری فرم پلت از بخشی عنوان به داده مرکز در مجازی متشین شود می باعثAWS.شود کنترل
، بخش این در کلیدی فناوریXEN.دارد نامXENعامل سیستم چندین دهد می اجازه که است باز متن مجازی ماشین محیط یک
.شده اجرا سرور روی میهماناختصار به یا و آمازون ماشین تصویر در ، مجازی ماشین تنظیماتAMIگپسول.شود میآمازون
از متنوعی طیفAMI.گذارد می اختیار در مختلف عامل های سیستم و متنوع افزاری سخت های ویژگی با را هااینAMIرا ها
ص در توان می ، کرد استفاده شکل همان به یا کرد ویرایش توان می.کرد تعلیق یا و متوقف ، اندازی راه را ها آن نیاز ورتمتوان ی
زیادی تعدادAMIها آن به و ، کرد اجرا را"نمونه".شود می گفته
یک که زمانیAMIذخیره فضای یک عنوان به که است نمونه والیوم یک اولی .دارد ذخیره فضای نوع دو شود می اندازی راه
دومی و میشود استفاده موقت سازیElastic Block Store(EBS)آن توان می ، باشد داشته وجود فایل سیستم یک اگر که است
کرد متصل نیز را.EBSشما دیسک هارد های درایو ماننددرPC.است
یکAMIسازی ذخیره فضای به دومی دهنده سرویس رابط یک طریق از توند می ، نمونهS3.باشد داشته دسترسیبرای همچنین
AMIسازی ذخیره فضای اتصال امکان لینوکس پایه بر هایS3.دارد وجود سیستم فایل یک عنوان به
پشتیبانی منظور بهازGPUدرAWSپیشنهاد امازون ،دهد میاز بخشی عنوان به محاسباتی های خوشهHPC.شود استفاده ابردر
نمونه یک آمازون حاضر حالGPU AMI:دهد می ارائه
• Cluster GPU Quadruple Extra Large AMI.
• 33GB RAM memory.
• 22.0 EC3 Compute Units (ECUs).
• 3 x NVIDIA Tesla “Fermi” M3101 GPUs.
• 0391 GB of local instance storage.
• 34-bit Linux (CentOS).
- 12. •01 Gig ethernet.
ابررایانه یک فناوری این از استفاده باGPUشبکه با گرافیکی دهنده شتاب های گره از خوشه یک یا و قیمت کمترین با ابر روی
.دارید اختیار در تاخیر کمترین با و سرعت پر ایاب به های داده ارسال برایسازی ذخیره فضای یا و اینترنت از توانید می ررایانه
S3کنار در کهEC2.نمایید استفاده دارد د وجورایانه ابر این بر عالوهGPU+Cloudانعطاف بسیار ، شده پیکربندی راحتی به شما
.است ارزان و پذیر
MatCloud: Accelerating Matlab Services via a Gpu Cloud
از استفادهارائه نهایی کابر با تعامل برای را جدیدی روش فناوری این است افزایش حال در سرعت به ابر محاسبات های فناوری
.دادهمانند ابر تجاری های فرم پلتMicrosoft AzureوEC2بسیار را کاربردی برنامه یک ساختن برای نیاز مورد زمان
داده کاهش
Matcloudسرویسی و ابری زیرساخت یکهای فناوری آخرین از نهایی کاربر سازی مند بهره هدف با ابتدا از که استGPU
.شده ساختهاز استفاده های قابلیت تنها نه آن دنبال بهGpuقابل افزایش بلکه ،داد نشان را ابری پردازش در سرویسی عنوان به
شکل که همانطور را کارایی مالحظه3.گذاشت نمابش به ، دهد می نشانشکل7در را کارایی افزایش میزانMatCloud
برنامه یک به نسبتMatlabیک روی عادی صورت به کهPcای پایه اعمال تمام مقایسه این برای .دهد می نمایش شده نسب
ماتریس دو روش2000*2000.شده انجام محتلف های برنامه توسط دهی امتیاز عملیات و شده انجام
شکل8
- 13. RealityServer
RealityServerهای برنامه توسعه برای فرمی پلت3Dوب های سرویس و3D.استRealityServerتعامل اجازه
RealTimeهای داده با3D.کند می فراهم است متصل اینترنت به مرورگر بایک که هرکسی برای رارا زیر های برنامه توان می
:زد مثال
0-طراحیمحصول
3-مجازی فروشگاهon-Line
2-پزشکی های داده سازی بصری و سازی شبیه
4-ناوبری
، قوی کالینت به نیاز عدم به توجه باRealityServer.گیرد می بر در را کابران از ای گسترده طیفRealityServerتواند می
های مدلCADرا متنوع های پردازی نور ،دهد نمایش واقعی تصاویر صورت به راصورت بهRealTime.نماید سازی پیاده
اشیاء که ویدئویی های جریان3Dتوسط جداگانه صورت به دور راه کاربر هر برای دهد می نمایش راRealityServerتولید
تبلت یا و رایانه ، موبایل با تواند می کاربر .شود می فرستاده است متصل سرور به آن طریق از کاربر که دستگاهی به و شود می
.باشد ارتباط در سرور با ساده مرورگر یک یا و کاربردی برنامه وسیله به همچنینشکل8ساختار و کار نحوه از کلی نمایی
Reality Serverنم را.دهد می ایششکل در همچنین9موتور وسیله به و دهنده سرویس ای با رندر از نمونه یکiray
.شده داده نمایش
شکل9
- 14. : ها ویژگی
0-کالینت به نتیجه ارسال و سرور سمت در رندر
3-از پشتیبانیPODرندر موتور درiRayپایه برGpu
2-برای وب پایه بر رابطکاریردی های برنامه
4-فرم پلتRealityServerدر میزبان سرویس یک عنوان بهPODشده ساخته
مزایا
0-های داده با باال بسیار کارایی3D"به نزدیکRealTime"
3-کالینتی هر با و مرورگر طریق از واقعی بسیار سازی بصری
2-استفاده زمان اساس بر هزیه پرداخت“Pay-as-you-go”
شکل11
- 15. گیری نتیجه
هزینه اقل حد با و زمان سریعترین در نهایی کابر به خدمات ارائه برای جدیدی شیوه و کرده اثبات را خود های قابلیت ابری فناوری
.نهاده بنیان راگست حال در سرعت به امروزه نیز گرافیکی غیر مسائل حل برای گرافیکی های پردازشگر از استفادهرشاست.همچنین
ایجاد باCUDAوOpenCLدر خود های ویژگی واسطه به گرافیکی های پردازنده .شده آسان بسیار ها پردازنده این از استفاده
. هستند کارا بسیار موازی های داده باالی درصد با مسائل حلبه جا همه در و همیشه کاربران شده باعث فناوری دو این ترکیب
رایانه ابر یکامکان اینترنت در کاربردی برنامه و بازی سازندگان به فناوری این .باشند داشته دسترسی پایین بسیار قیمت با قدرتمند
در .داده را ها کالینت برای سربار کمترین با واقعی گرافیک یک داشتن و خود های برنامه برای گرافیکی پردازشگرهای از استفاده
حتی توانند می کاربران نتیجهروز به نگران دیگر همچنین نمایید اجرا را باال بسیار گرافیک با های بازی ساده هوشمند تلفن یک با
.نباشند خود سیستم رسانیطراحان3Dهای فناوری آخرین به توانند میGPUهای دستگاه با جا همه در و باشند داشته دسترسی
.دهند انجام را خود کار خود
مراجع
[1] David B. Kirk ,Wen-mei W. Hwu: programming massively parallel processors, Elsevier,2010
[2] Andrew Sheppard: GPUs in the Cloud, O'Reilly,2013
[3] Yongpeng Zhang, Xing Wu, Frank Mueller: MatCloud: Accelerating Matlab Services via a
GPU Cloud, North Carolina State University
[4] Will Wade: Graphics in the Cloud,GTC2012
[5]http://www.nvidia.com
[6] http://www.penguincomputing.com/