常见的编程任务如何转换为GPU？

Question

我最近开始研究一个项目，以确定如何最好地利用现代图形卡中可用的处理能力进行一般编程。看来，现场通用GPU编程（GPGPU）对科学应用有很大的偏见，并且有很多繁重的数学，因为这与GPU计算模型非常吻合。这一切都很好，但是大多数人并没有把所有时间花在运行模拟软件之类的东西上，所以我们认为可以为大众轻松构建支持GPU的软件创建一个共同的基础。

这导致了我想提出的问题;程序执行的最常见工作类型是什么？并不是要求工作能够很好地转换为GPU编程，因为我们愿意接受适度的性能改进（更好的不是什么，对吧？）。

我们已经考虑过几个主题：

• 数据管理 - 从数据库中处理大量数据 否则。
• 电子表格类型程序（与上述有些相关）。
• GUI编程（尽管可能无法访问 相关代码）。
• 排序和搜索等常用算法。
• 常见集合（并将它们与数据操作集成在一起） 算法）

其他哪些编码任务很常见？我怀疑正在编写的许多代码属于库存管理类别，而是跟踪真实的“对象”。

由于我没有行业经验，我认为可能存在许多基本类型的代码，这些代码比我意识到的更频繁，但实际上并没有实现为外部产品。

高级编程任务以及特定的低级操作都将受到赞赏。

Answer 1

通用编程非常容易转换为GPU。 GPU专用于以大规模速率对数据流执行相当简单的任务，具有大规模并行性。它们不能很好地处理一般编程的丰富数据和控制结构，并且没有必要试图将它们插入其中。

Answer 2

  

通用编程非常容易转换为GPU。 GPU专用于以大规模速率对数据流执行相当简单的任务，具有大规模并行性。它们不能很好地处理一般编程的丰富数据和控制结构，并且没有必要试图将它们插入其中。

这与我对这种情况的印象并不太远，但在这一点上，我们并不太关心自己。我们首先要了解我们必须关注哪些选项。在完成之后，我们将更深入地分析它们，并找出哪些是合理的选择。如果我们最终确定在该领域内无法做任何事情，而且我们只是增加了每个人的电费，那么这也是一个有效的结果。

Answer 3

现代计算机做了很多事情，一点点好处可能会有很长的路要走？我们看看......

• 数据管理：关系数据库管理可以受益于更快的关系连接（特别是涉及大量关系的连接）。涉及大量同类数据集。
• 令牌，lexing，解析文本。
• 编译，代码生成。
• 优化（查询，图表等）。
• 加密，解密，密钥生成。
• 页面布局，排版。
• 全文索引。
• 垃圾收集。

Answer 4

您可能需要查看ACM的March/April issue杂志的Queue，其中有几篇关于GPU的文章以及如何最好地使用它们（当然除了做图形）。

Answer 5

我做了很多简化配置。那就是我在UI中包装配置值的生成/管理。主要好处是我可以控制工作流程和演示文稿，使非技术用户更容易配置应用程序/站点/服务。

Answer 6

使用GPU时要考虑的另一件事是总线速度，大多数图形卡设计为在将数据从CPU传输到GPU时具有更高的带宽，因为这是他们大多数时间所做的事情。从GPU返回到CPU的带宽（返回结果等所需的）并不那么快。因此它们在流水线模式下工作得最好。