CUDA 用来写服务器程序会咋样？

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

• 请不要在回答技术问题时复制粘贴 AI 生成的内容

这是一个创建于 3829 天前的主题，其中的信息可能已经有所发展或是发生改变。

Your first CUDA C program.
https://www.youtube.com/watch?v=Ed_h2km0liI

Also see Getting Started Guides for Windows, Mac, and Linux.
http://docs.nvidia.com/cuda/cuda-getting-started-guide-for-microsoft-windows/index.html
http://docs.nvidia.com/cuda/cuda-getting-started-guide-for-mac-os-x/index.html
http://docs.nvidia.com/cuda/cuda-getting-started-guide-for-linux/index.html

看起来GPU更适合处理高并发？

CUDA

linux.

并发

19 条回复 • 2014-07-06 21:43:50 +08:00

echo1937

2014-07-06 00:45:11 +08:00

CUDA 你不上专业计算卡的话,会有精度问题吗?

fredcc

2014-07-06 02:01:52 +08:00

请问除了特定应用，cuda哪里比cpu强了。

yangff

2014-07-06 02:14:06 +08:00

几乎不可行。

yangff

2014-07-06 02:14:17 +08:00

瓶颈不在这里。

loading

2014-07-06 07:14:10 +08:00 via Android

然后你会遇到浮点数

wy315700

2014-07-06 07:44:10 +08:00

服务器的瓶颈一般在IO吧

Zhang

2014-07-06 08:15:58 +08:00

不怎样，估计会更慢。

wy315700

2014-07-06 08:21:05 +08:00

想起来了，GPU适合的不是高并发,而是高并行。

VYSE

2014-07-06 09:36:41 +08:00 via Android

GPU的特长在于较短简单指令的反复执行，适合流水作业，复杂逻辑频繁从BUS MOVE数据还是算了吧。
所以超算里GPU只是作为某些算法的加速器。
当然后端需要某些用途加速的话肯定会用，例如某些视频网站

chaixl

2014-07-06 09:54:00 +08:00

GPU通用计算的强项是高度密集的并行运算。不是高并发，两回事。

gateswong

2014-07-06 11:55:04 +08:00

CUDA并行处理是特么快

但是数据的传递拷贝太特么太特么太特么太特么慢了……

chenha0

2014-07-06 12:54:35 +08:00

并发和并行怎么能简单画等号

wdlth

2014-07-06 12:55:11 +08:00

我认为完全就是南辕北辙，缘木求鱼，首先CUDA的重点是高并行的密集的浮点计算，比如视频转换、科学计算，而大部分的程序并不是这类领域的，用CUDA只会是适得其反。

Actrace

2014-07-06 16:25:22 +08:00

@gateswong 也就是说,GPU解决了数据的传递拷贝速度慢问题,就可以完爆CPU了?

@chenha0 其实也不是想说简单划等号,只不过GPU这种大规模流水核心更加符合多路执行的理念.我个人是比较看好CUDA的,如果英伟达能专心把GPU计算的核心架构向CPU方向平移,也许能在某一天取代CPU也说不定,分时操作系统切换任务的性能代价是很大的.

dndx

2014-07-06 16:45:02 +08:00

对于大多数网络应用来说，瓶颈都是在 IO ，除非是特殊领域，CPU 从来就不是瓶颈。

madeye

2014-07-06 16:58:33 +08:00

对于服务器类的应用，特别是数据库、文本处理相关的应用，现在的主要瓶颈在 PCI-E，即 HOST 到 GPU 的带宽。而下一代 Power（NVLINK）和 SoC （Denver）量产以后，有希望解决这个问题。

一些数据可以参考我们组之前做的加速海量网页索引性能的尝试： http://on-demand.gputechconf.com/gtc/2014/presentations/S4506-indexing-documents-on-gpu-web-rt.pdf

akfish

2014-07-06 16:59:26 +08:00

除了楼上说的原因以外，GPU能做的事情并不那么通用，虽然CUDA、OpenCL都是用于通用计算的，但核心显然是在“计算”，而非“通用”。
曾经看到一个项目，尝试在GPU上跑JS解释器，结果性能非常惨淡。
http://www.slideshare.net/jarrednicholls/javascript-on-the-gpu
而另外的项目，只着重用GPU对JS里并行计算进行加速，对于较小的数据反而较慢，只有较大的数据才会有加速：
http://on-demand.gputechconf.com/gtc/2014/presentations/S4168-accelerated-javascript-accessing-gpus.pdf

Actrace

2014-07-06 21:00:37 +08:00

@akfish
我只是举个例子。
其实最想表达的是"GPU这种架构更适合作为现代计算机系统的硬件架构"。
并不是指现在就要拿CUDA的GPU去跟CPU做何种对比，甚至取代。
所以我相信未来GPU会成为整个计算机系统的核心，这个就只能等时间来验证一切了。
在没有机动车之前，人们总是想着让马跑得更快。

akfish

2014-07-06 21:43:50 +08:00

@Actrace 好吧。

个人认为GPU成为计算系统核心不现实，快不是一切。OS内核跑在哪里，哪里才是核心。而OS的任务，是不符合GPU的计算模型的。即使这一点能突破，整个产业也不会花费大量的时间和精力去把已有的大量软件、硬件资源，向GPU中心的计算架构上移植。

GPU和CPU并不是机动车和马的关系。GPU会越来越重要，但不会成为核心。只会作为增强计算性能、完成特定任务的外设出现（包括量子计算机，目前也是按这种计算模型在发展）。

以后的发展更有可能是淡化GPU与CPU在编程模型上的差异，比如在底层（如OS层）把适当的代码JIT到GPU上执行。取代现在不可能，以后也不可能，融合才是唯一的可能。

文字游戏一点的话，要是真有作为系统核心的GPU，在逻辑上会自动更名为CPU，CPU里的C不是白叫的。