Доклад компании Simmakers - Технология GPGPU в высокопроизводительных вычислениях - Solit 2015
•
1 like•482 views
Максим Жовнер, ведущий CUDA разработчик компании, в этом докладе раскрыл особенности математического моделирования с применением параллельных вычислений на GPU.
Recommended
Recommended
More Related Content
Viewers also liked
Viewers also liked (18)
Similar to Доклад компании Simmakers - Технология GPGPU в высокопроизводительных вычислениях - Solit 2015
Similar to Доклад компании Simmakers - Технология GPGPU в высокопроизводительных вычислениях - Solit 2015 (20)
More from Nikolai F.
More from Nikolai F. (10)
Доклад компании Simmakers - Технология GPGPU в высокопроизводительных вычислениях - Solit 2015
- 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)
- 5. Intro.HPC.HW
- 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
- 9. GPGPU.Code
- 11. GPGPU.GPUvsCPU • GPU: нет взаимодействия с OS, устройствами, потоковая архитектура • CPU: мало физических потоков, много циклов на операцию, загружен другими задачами
- 12. GPGPU.HPC.Field • Cloud Games • Simulations/Modelling • AI/Machine Learning • Render • Process control/QA
- 13. GPGPU.Ways • CUDA • OpenCL • OpenGL • DirectX
- 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.
- 15. GPGPU.CUDA.Solutions.Side • Ansys Fluent – потоки, турбулентность, теплоперенос • NVIDIA iRay – физически корректный рендер • Yandex – машинное обучение • Amazon AWS – облачные вычисления • NVIDIA PhysX – физический движок
- 16. GPGPU.CUDA.Solutions.Ours • Теплоперенос – Frost 3D Universal Heat solver • Фильтрация – Frost 3D Universal Flow solver • Machine Learning – EcoView • Fast mesh-mesh collision detection – trimirror • Optimized BVH traverser – Aurora Render
- 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
Editor's Notes
- Приветствие и т.д.
- 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
- и danke