性能强过CPU！GPU引领并行计算新潮流

　　CPU 众所周知，计算机的大脑。所有指令都经过它的处理。通常会看到专业做科学计算，气象预测，石油勘探等，行业会用多台服务器配置成并行计算集群，来同时处理一个作业。还有GC行业为图形的渲染工作，架起的渲染农场。因为这些并行的程序非常的大，对CPU的占用非常高。既使XEON四核计算集群，一个程序也需要几天的时间。如使用一台服务器的一个程序往往会处理几周甚至几个月。

　　真正了解GPU的人少之又少，从事IT行业的大多数人认为GPU就是显卡，或显卡的芯片。GPU越好显示性能越好。

　　GPU英文全称Graphic Processing Unit，中文翻译为“图形处理器”。GPU是相对于CPU的一个概念，由于在现代的计算机中（特别是家用系统，游戏的发烧友）图形的处理变得越来越重要，需要一个专门的图形的核心处理器。

　　而随着技术不断的发展GPU由原来的单纯的图像处理，已经发展到了并行计算领域，

　　长期以来，CPU一直都是单核的。CPU的设计思路是尽可能快地完成一件任务；对于GPU来说，它的任务是在屏幕上合成可以高达数百万像素的图像--也就是说有几百万个任务需要并行处理。因此，GPU被设计成并行处理很多任务，尽可能快地完成所有任务的总和，而不是像CPU那样尽可能快地完成一件任务。设计GPU的体系架构时首先考虑的是并行运算能力，之后再考虑整型运算和I/O吞吐能力。

　　多核的概念并没有改变CPU的设计理念，也许是尽快地做两件事或四件事，但不是并行处理很多很多任务。下图为CPU与GPU浮点运算对比

　　GPU的整数运算能力也非常的强大

　　举例来说，一个3GHz的双核CPU每秒能完成60亿条整数指令，比如说G-80 GPU，有128个1.5GHz的流处理器，每个流处理器每个计算周期可以执行两条整数指令，把这些数据相乘的结果大约是每秒3500亿～3750亿条指令，这大概是CPU运算能力的50～100倍。可见GPU的浮点运算与整数运算的性能要远远超过CPU。

　　GPU从最初的设计就能够执行并行指令，从一个GPU核心收到一组多边形数据，到完成所有处理并输出图像可以做到完全独立。由于最初GPU就采用了大量的执行单元，这些执行单元可以轻松的加载并行处理，而不像CPU那样的单线程处理。另外，现代的GPU也可以在每个指令周期执行更多的单一指令。例如，在某些特定环境下，Tesla架构可以同时执行MAD+MUL or MAD+SFU。

　　CPU和GPU的架构区别

　　可以看到GPU越来越强大，GPU为显示图像做了优化之外，在计算上已经超越了通用的CPU。如此强大的芯片如果只是作为显卡就太浪费了，因此NVidia推出CUDA，让显卡可以用于图像计算以外的目的，也就是超于游戏，使得GPU能够发挥其强大的运算能力。

　　一年前NVIDIA发布CUDA，这是一种专门针对GPU的C语言开发工具。与以往采用图形API接口指挥GPU完成各种运算处理功能不同，CUDA的出现使研究人员和工程师可以在熟悉的C语言环境下，自由地输入代码调用GPU的并行处理架构。这使得原先需要花费数天数周才能出结果的运算大大缩短到数几小时，甚至几分钟之内。

　　CUDA是用于GPU计算的开发环境，它是一个全新的软硬件架构，可以将GPU视为一个并行数据计算的设备，对所进行的计算进行分配和管理。在CUDA的架构中，这些计算不再像过去所谓的GPGPU架构那样必须将计算映射到图形API（OpenGL和Direct 3D）中，因此对于开发者来说，CUDA的开发门槛大大降低了。CUDA的GPU编程语言基于标准的C语言，因此任何有C语言基础的用户都很容易地开发CUDA的应用程序。

GPU系统与计算机集群的优缺点对比（以油气地质勘探数据处理为例）

　　伴随着GPU技术的出现、发展与成熟，并行计算必将引起一场新的革命，GPU会在不久的将来，一定会成为某些领域里HPC市场的狙击手或终结者。

　　GPU典型应用行业：油气地质勘探数据分析， CG渲染，视频解码，科学计算等。