用于并行计算的CPU卡？

Question

我记得前段时间读过有系统的cpu卡可以增加额外的处理能力来进行大规模并行化。任何人都有这方面的经验和任何资源来研究项目的硬件和软件方面？这项技术是否不如传统集群？它是否更具能量意识？

Answer 1

有两个很酷的选择。一个是使用GPU作为米奇提到的。另一种是获得PS / 3，它有一个多核Cell处理器。

您还可以设置多个便宜的主板PC并运行Linux和Beowulf。

Answer 2

您是否查看了各种GPU Computing选项。 Nvidia（可能还有其他人）正在提供基于利用显卡功能的个人超级计算机。

Answer 3

GPGPU可能是发烧友最实用的选择。然而，DSP是另一种选择，例如由德州仪器，飞思卡尔，ADI公司和恩智浦半导体制造的那些。当然，其中大多数可能更多地针对工业用户，但你可能会研究Storm-1系列的DSP，其中一些应该低至每片60美元。

数据并行的另一个选择是物理处理单元，如Nvidia（以前的Ageia）PhysX。这些协处理器最明显的用途是用于游戏，但它们也用于科学建模，加密和其他矢量处理应用程序。

ClearSpeed Attached Processors是另一种可能性。这些基本上是专为HPC应用程序设计的SIMD协处理器，因此它们可能超出了您的价格范围，但我只是在这里猜测。

所有这些建议都是基于数据并行性，因为我认为这是最具潜力的领域。通过简单地利用矢量处理和更专业的SIMD指令集，可以以更低的时钟速率（并且使用更少的功率）更快地执行当前CPU密集型应用程序。

实际上，大多数计算机用户不需要比英特尔凌动处理器更多的休闲计算需求：电子邮件，浏览网页和播放音乐/视频。对于实际上需要大量处理能力的其他10％的计算任务，通用的标量处理器通常不是最适合工作的工具。

即使大多数拥有严格处理需求的人也只需要它来进行狭窄的应用;物理学家不需要能够播放最新FPS的PC;音响工程师不需要进行科学建模或进行统计分析;并且图形设计师不需要进行数字信号处理。具有高度专业化指令集的域特定矢量处理器（如用于游戏的现代GPU）将能够比高功率通用CPU更有效地处理这些任务。

集群计算无疑对核研究等许多高端工业应用非常有用，但我认为矢量处理对普通人来说有更多实际用途。

Answer 4

OpenCL - 是跨不同供应商和处理器类型，单核，多核，图形卡，单元等进行HPC计算的行业标准...请参阅http://en.wikipedia.org/wiki/OpenCL。

我们的想法是，无论处理器类型如何，使用简单的代码库都可以使用机器上的所有备用处理能力。

Apple已在其下一版Mac OS X中实施此标准。还将提供nVIDIA，ATI，Intel等产品。

Answer 5

Mercury Computing提供Cell Accelerator Board，它是一个PCIe卡，有一个Cell处理器，运行Yellow Dog Linux，或Mercury的YDL风格。 Fixstars提供了更强大的Cell PCIe板，称为GigaAccel。我打电话给Mercury，他们说他们的电路板大约5000美元，没有软件。我猜GigaAccel的价格高达两倍。

我找到了一块使用过的水银板，但它没有配备电源线，所以我还没能用它，不幸的是。