GPU编程

　　GPU编程

　　如果你数据中心的服务器有GPU，那么在编写服务器应用程序时就应该将其考虑进去，但利用GPU不是一个简单的任务，需要在CPU和GPU之间做好协调，不是引用几个现成的库，写几行代码就可以搞定的。

　　电子游戏是大量使用浮点运算的很好示例，但游戏并非浮点运算的唯一用途，凡是与可视化相关的领域几乎都会牵扯到浮点运算，如医学成像，三维成像，科学成像，石油和天然气勘探可视化，娱乐，广告和金融建模等。

　　这个过程被称为GPGPU计算，或通用GPU计算，需要通过编程将本该由CPU处理的计算任任务交由 GPU处理，很多时候，这意味着要重写代码，Nvidia使用CUDA开发语言来处理。

　　CUDA是一种类似于C的编程语言，用它可以开发在Nvidia GPU上并行运行的应用程序，与x86处理器不一样，应用程序不只并行运行2，4或8个线程，而是数百个线程。

　　Nvidia的付出也得到了回报，现在全世界有超过350所大学已经开设了CUDA开发课程，但如果只有Nvidia一家公司有这个干劲，最终也可能是徒劳的。

　　OpenCL项目是OpenGL的一个分支，它为3D显卡提供了一个图形库（在很大程度上可以取代微软的DirectX），苹果公司是OpenCL框架的创立者，OpenCL框架用于编写跨CPU、GPU和其它处理器执行的程序，OpenCL包括一个编写内核和API的语言，它们可用于基于任务和基于数据的并行编程。

　　OpenCL与CUDA相比有优势也有弱点，首先，它支持多处理器计算，而CUDA只支持Nvidia GPU；OpenCL可以让任何应用程序访问GPU，且不用重写代码，而CUDA必须用C为Nvidia GPU重写代码；OpenCL支持任何输入/输出处理器，因此它也支持安腾、Sun UltraSparc和ARM嵌入式处理器。

　　OpenCL框架比CUDA技术更新，因此缺少很多CUDA具有的特性，也没有CUDA成熟，最值得注意的是，CUDA拥有快速傅里叶变换内核（FFT），但OpenCL没有，FFT算法是一个复杂的算法，在高级科学计算和图像处理领域有着广泛的应用。

　　这两个框架都有各自的优缺点，CUDA凭借Nvidia的强力支撑已经占领了绝大多数市场，而 OpenCL也不弱，它由标准化组织管理，但从目前来看还是一事无成，我们是将自己绑定到Nvidia还是等待标准更新？有点举棋不定。

　　除了CUDA和OpenCL外，还有第三个竞争对手，那就是微软的 DirectCompute，DirectCompute是DirectX 11 API库中的一个组件，我们在Windows 7中可以找到它，和OpenCL一样，它可以让应用程序使用GPU的计算能力。由于它仅在DirectX 11中，因此使用DirectCompute有些限制，首先，它只能运行在Windows 7计算机上，因为微软没有为其它系统准备DirectX，市场上也没有那么多DirectX 11显卡，ATI现在处于领先地位，但Nvidia也正努力追赶，目前，DirectCompute还未被服务器厂商正式利用。