PGPU (General Purpose GPU)称为GPU通用计算。几十年来，计算机CPU芯片一直按照摩尔定律飞速发展，每隔十八个月，单位芯片面积上的晶体管数量就增加一倍，性能提高一倍。靠提高主频来提升性能的路线在21世纪初走到了尽头，CPU存在严重的内存墙和功耗墙。内存延时长、频率低导致缓存面积越来越大，逻辑控制越来越复杂。缓存消耗了70%以上的芯片面积，同时也消耗了70%以上的电能，真正有效的运算部件面积比重很小。芯片上的晶体管密度越来越大，使得单位面积上功耗持续增加，散热问题日益严重。
      提高主频难以为继，CPU进入多核时代，在一个封装内放置多个频率较低的核心。虽然单个核心的性能有所下降，但整体性能有很大提升。多核CPU由双核发展到四核、八核、十六核。随着核心数的增加，核心间的通信、协作开销增大，整体性能没有随着核心数量线性长，缓存的面积也没有降低，内存墙依然存在。
      GPU计算是指利用图形卡来进行一般意义上的计算，而不是传统意义上的图形绘制。时至今日，GPU已发展成为一种高度并行化、多线程、多核的处理器，具有杰出的计算功率和极高的存储器带宽。
GPU的优越性能来自特殊的体系结构。为将绝大部分晶体管用于运算器，而非浪费在缓存和逻辑单元上，GPU采用了多种有效措施。将核心频率降低到显存频率以下，解决数据需求、供应速度不匹配的问题；采用极轻量线程，用大量线程的快速切换来隐藏存储器延时；简化核心，同一个逻辑单元控制多个核心，减少了逻辑单元面积。
目前，各行业主流软件竞相采用通用GPU加速。如分子动力学软件Amber,DL-POLY, Gromacs,LAMMPS,NAMD;量子化学软件GAMESS-US,TeraChem;材料科学软件VASP,PWscf；计算流体力学软件FEFLO；计算结构力学软件ANSYS;电子设计模拟软件CST Microwave Studio;数值计算软件Jacket, Mathematica,MATLAB;已经支持GPU加速的知名软件数以百计，而且在快速增加。
      GPU加速的特点在于：擅长大规模并行数值运算，逻辑判断、分支跳转会导致性能急剧下降；适合在相对少量数据上做大量计算，否则数据在主机-设备间的传输开销会抵消GPU加速带来的收益；运算规模大、并行度高，线程数量最少5000；最新的GPU卡需要PCIe3.0接口；不同节点上的GPU通信需要高速互连网络；很多应用软件目前不能在一个节点上使用多个GPU加速卡，不同节点上的GPU不通信；自编软件可以在同一个节点上使用多个GPU；多颗GPU通过MPI技术共同完成一个大任务。
      鉴于GPU通用计算的特点，推荐以下GPU高性能计算解决方案：
      1.润宇Ra系列服务器结合：润宇XRTorque高性能作业调度系统、XRLustre高性能文件系统
      使用CST Microwave Studio等软件加速本节点计算时，可配置大规模集群，计算节点采用灵活的润宇Ra380 服务器,在散热良好的情况下，单节点配置两颗NVIDIA Tesla K40或K80;网络采用高带宽低延时的InfiniBand FDR 56Gbps网络设备，以保证并行扩展性；存储可采用高性价比的盘阵方案（小规模集群），也可以采用高性能的并行文件系统：润宇XRLustre高性能文件系统。 （XRForman自动化部署系统和XRNagios智能监控系统，可选）
      2.单台润宇Ra系列服务器
      自编写的程序，几乎所有计算都在GPU上完成，需要在同一节点内使用尽可能多的GPU。
      推荐配置润宇Ra580服务器，4U空间内可配置四颗NVIDIA Tesla K40。

粉丝0