GPU盛开

高性能计算

GPU与CPU的结合成为未来平台的核心——异构系统，它能提供一种创新的解决方案，更多的异构的系统将面世。

在过去的几年里，高性能计算进入一个快速发展时期。一方面是集群技术的发展，使得高性能计算的成本降低，另外一方面，多核以及GPU的出现，让高性能计算迎来了新的机遇和挑战。

当前，HPC发展中最重要的技术应当是GPU的发展。目前，使用GPU的异构计算在高性能计算中已是一种主流技术。比如最近的TOP500前五名有三台机器都是GPU异构集群。美国橡树岭国家实验室刚宣布了他们计划在2012年用GPU来搭建一台峰值20 Pflop/s的集群。在我国，天津超算中心2010年使用了7168个GPU搭建了峰值4.7 Pflop/s，Linpack实测性能2.57 Pflop/s的天河1A系统。这套系统在2010年的Supercomputing大会上排在了TOP500的第一名。

对于GPU的支持者看来，GPU具有更强的浮点运算能力、更大的带宽等诸多优势，连晶体管数量也是GPU略胜一筹。性能和复杂性不断提升的GPU自然不甘继续做CPU的配角，他们甚至毫不掩饰地提出：“未来GPU将越来越多地取代CPU的数据处理职能，未来GPU才是计算机的核心部件！”

从体系结构的观点来看，CPU本质上是一种针对延迟（latency）优化的体系结构。它的首要设计目标是优化单线程的执行性能。与此对应的趋势是针对吞吐量（throughput）优化的众核体系结构。比如Sun的Niagara处理器，IBM的Cell处理器，以及nVIDIA的图形处理器（GPU）。简单地说，吞吐量优化处理器的策略是降低单线程的性能但以在众核上同时运行大量线程的方式来提高总体处理能力（高吞吐量）。因此吞吐量优化处理器的总体性能往往比延迟优化处理器高得多。

在并行计算成为必须之后，由于吞吐量优化处理器更高的性能，很多开发人员开始认识到它们是一种对很多并行应用更适合的体系结构。所以近年吞吐量优化处理器在通用并行计算中变的越来越重要。

GPU与CPU的结合成为未来平台的核心——异构系统。它能提供一种创新的解决方案，而更多的异构的系统将面世。这些已面世系统显示了性能上的优势。然而异构平台同样面临着挑战：低程序员生产力，缺乏通用性，缺少集成工具和开发库，以及非常敏感的性能稳定性。这些问题会为应用程序的开发团队和他们的科

而与此同时，Exaflop（百万万亿次）级高性能超级计算机面临的挑战也成为人们关注的问题，这些挑战包括传统的性能、扩展性和生产力，还有新出现的能效问题和可靠性问题。

此外是节能技术的发展。随着能耗越来越重要，TOP排行榜已经把能耗作为很重要的考核。其中如何冷却服务器也是个挑战。事实上，今天风冷数据中心里50%以上的能耗和碳排放不是来自计算单元本身，而是源于为避免处理器过热而安置的散热系统。

一些公司研发了热水冷却技术。比如在2010年7月初，IBM公司在为苏黎世的瑞士联邦理工学院(ETH Zurich)建造的超级计算机Aquasar上就使用了这一技术。在该案例中，60摄氏度的温水经过微型管道流经炙热的CPU，将CPU的温度控制在可接受的85度以内，最后排出的水温达到65度，这些热水随后用来为学校里的建筑供暖。