Comparación de GPU y CPU - Calendae | Informática, Electrónica, CMS, Ciberseguridad

Comparación de GPU y CPU

Hola y mil gracias por leerme. Te habla Simón Sánchez y en esta ocasión hablaremos sobre Comparación de GPU y CPU

UN artículo en exhibición en el sitio web de TeraGrid echa un vistazo a los componentes básicos más comunes de las supercomputadoras actuales, las ubicuas CPU y GPU. El interés en las GPU ya era alto cuando la supercomputadora china Tianhe-1A alcanzó el primer lugar en el TOP500 utilizando el poder de los chips gráficos. Con este éxito, muchos en la comunidad de HPC se preguntan qué puede hacer la informática con GPU por ellos.

Si bien para algunas aplicaciones, las GPU pueden ofrecer aumentos de rendimiento de 20 veces o más en comparación con las CPU, eso no significa que siempre sean la opción correcta. Peter Varhol, editor colaborador de la revista Online Desktop Engineering (DE), resume el desafío:

“La GPU sigue siendo un procesador especializado y su rendimiento en computación gráfica oculta una serie de dificultades para ejecutar una verdadera computación de propósito general. Los propios procesadores requieren la reescritura de cualquier software; tienen herramientas de programación rudimentarias, así como limitaciones en los lenguajes de programación y la funcionalidad. «

Además del desafío de la programación, también existe el cuello de botella de las comunicaciones, la adquisición de datos hacia y desde la GPU. Ross Walker, profesor asistente de investigación en el San Diego Supercomputer Center (SDSC) en UC San Diego, socio de TeraGrid, explica el dilema:

“El uso de GPU acelera enormemente un solo nodo, a veces más de 30 veces. Pero si no desarrollamos 30 veces el ancho de banda y 30 veces menos interconexión de latencia al mismo tiempo, la escalabilidad siempre será limitada entre los clústeres de GPU «.

Cuando se trata de estándares de la industria, las CPU tienen la ventaja de contar con un buen soporte, mientras que los sistemas de GPU deben depender principalmente de sistemas de software patentados. Varhol explica que es difícil para los proveedores de software admitir múltiples plataformas, por lo que hasta que las GPU ya no sean ampliamente aceptadas, puede haber problemas con la portabilidad del software. Existe cierto apoyo de la industria, particularmente de los principales proveedores de chips gráficos, NVIDIA y AMD. Los desarrolladores que deseen programar GPU pueden elegir entre la arquitectura de procesamiento paralelo CUDA patentada de NVIDIA y el estándar de programación Open Computing Language (OpenCL) de AMD.

El consenso general parece ser que con los recursos y la capacitación adecuados, las GPU valen la pena. «Básicamente, si se ha hecho el esfuerzo de migrar el código a la GPU, la mejora del rendimiento en los sistemas de CPU puede ser fenomenal», explica Walker.

Un área donde las GPU realmente brillan es el análisis de datos, donde pueden aumentar la velocidad en 200 veces. Esto es significativo ya que la cantidad de datos científicos post-computacionales está creciendo rápidamente.

Zverina se asegura de señalar que las GPU no reemplazarán completamente a las CPU ya que «las GPU aún requieren CPU para acceder a los datos del disco o para intercambiar datos entre nodos de cómputo en un clúster de múltiples nodos». Una supuesta supercomputadora GPU es en realidad un sistema híbrido GPU-CPU.

En general, parece que los investigadores de TeraGrid son cautelosamente optimistas sobre el potencial de la Computación GPU, pero como escribe Zverina, «algunos investigadores dicen que es necesario hacer más para atraer, capacitar y apoyar a los desarrolladores para un buen código GPU, cuando TeraGrid haga la transición al programa eXtreme Digital (XD) este año «.

Puedes compartir en en tu Twitter y Facebook para que tus amigos lo flipen

??? ? ? ???

Comparte