Максим Жовнер, ведущий CUDA разработчик компании, в этом докладе раскрыл особенности математического моделирования с применением параллельных вычислений на GPU.
3. Intro.HPC.Def
• Высокопроизводительные вычисления в общем смысле: практика
агрегации вычислительных мощностей с целью получения большей
производительности для решения больших научных, инженерных,
бизнес и т.д. -проблем
4. Intro.HPC.Areas
• Компании (терминалы, виртуальные офисы)
• Правительство (голосование и др.)
• Исследования (моделирование)
• Производство (проектирование, управление)
• Датацентры (виртуализация, поиск и т.д)
6. Intro.HPC.Compare
Bloomberg CPU GPU
Count 2000 CPU 48U Tesla S1070
Cost $4 million $150000
Yearly
energy bill
$1.2 million $30000
BNP Paribas CPU GPU
Count 64 servers 2U Tesla S1070
Power
consumption
44 kW 2.9kW
HESS CPU GPU
Count 2000 CPU 32U Tesla S1070
Power
consumptio
n
1.34 MW 47 kW
Yearly
energy bill
$2.3 million $82000
P&G CPU GPU
Count 32 servers 1 Tesla C2050
server (3-4 GPU)
Power
consumption
21 kW 1 kW
Yearly energy
bill
$37000 $2000
7. GPGPU.Def
• GPGPU – техника использования GPU для выполнения расчетов, характерных
для CPU
11. GPGPU.GPUvsCPU
• GPU: нет взаимодействия с OS,
устройствами, потоковая архитектура
• CPU: мало физических потоков, много
циклов на операцию, загружен другими
задачами
14. GPGPU.CUDA
• CUDA (англ. Compute Unified Device Architecture) — программно-аппаратная
архитектура параллельных вычислений, которая позволяет существенно
увеличить вычислительную производительность благодаря
использованию графических процессоров фирмы Nvidia.
17. Conclusion
• HPC - это круто
• HPC с GPGPU - высокая производительность
на определенных классах задач
• HPC с GPGPU - экономия ресурсов и места
• GPGPU - это нестрашно
• GPU не заменит полностью CPU
Коротко про прошлое выступление:
- рассказывал про эффекты в кино
- шэйдинг
- затронул GPGPU
Ликбез по сути
Где применяется HPC:
- исследования
- коммерческие проекты: расчеты в проектировании, виртуализация (услуги) и т.д.
- датацентры
- удаленная/совместная работа (коллаборация)
Еще раз сказать, что HPC это не обязательно суперкомпьютер (в понимании огромных мощностей)
Объяснить, что куча Raspberry PI между Lego - тоже HPC
Затронуть наплыв GPGPU в HPC, намекнуть на плюшкиGPGPU
- сравнительный анализ энергозатрат
И аппаратного обеспечения
Перейти к тому, что стоит все же поговорить про GPGPU
Бла-бла-бла GPGPU это...
Указать, что используется для ускорения путем замены части (большой/маленькой) функционала
Объяснить про ALU, Cache, DRAM и Control
Выделить характерные различия для CPU и GPU архитектур
показать код, сказать что где
выделить схожесть кода
и особенность - работа для каждого элемента. Объяснить, что бывают различные подходы
Рассказать про расчетник
Про то, как упорото адаптировали, что конкуренты где-то в хвосте
Намекнуть на то, что, к сожалению, GPGPU не панацея
Рассказать про всякие ужасы
Архитектурные проблемы, адаптация кода, методы оптимизации - ограничения распространения GPGPU
Самплик было бы очень круто. Для, так сказать, атмосферности
обрисовать области применения GPGPU
Особо указать на перспективные (в коммерческом и исследовательском плане)
Насчет HSA не уверен, но было бы хорошо ее задеть. Просто вскользь. C++ amp
Сказать, что такое есть
Что такое может встретиться, что не надо бояться
Немного про CUDA
Почему CUDA: коммерческий, развивающийся, хорошая инфраструктура
тут надо еще разок конкурентов пройти
чтобы неповадно
правда, надо еще кого-нибудь, просто для массы
пару наших ачивок
Бледно, но все же
Краткая пробежка по головам
Не затронуты некоторые программно-аппаратные плюшки для GPGPU HPC (GPUDirect?)
Сказать, что у нас есть опыт разработки подобных систем (не столько GPGPU HPC, сколько просто под GPGPU)
Напутственная речь
Улыбка