Utilização de GPUs para Sistemas de Paralelismo
Massivo
CPU – Central Processor Unit
 Processamento sequencial
 Instrução por instrução
 A cada nova geração de processadores, tem-se um
notório ganho de desempenho:
 Desenvolvedores repassavam o progresso para suas
aplicações:

Aplicações mais robustas e complexas
Um pouco de história...
 [1943:2003] Clock das CPUs cresce bastante de uma
geração para outra
 2003: Clock das CPUs tende a crescer cada vez menos.


Motivos: dissipação de calor e consumo de energia elevados.
Solução: aumenta-se o número de núcleos de
processamento.
 [2003:-1] Corrida por pontos flutuantes:
 Desempenho de GPUs cresce exponencialmente
 Computação de alto desempenho adere ao novo tipo de
processamento.
Tendência paralela
 Instruções não atuam mais só de forma sequencial
 CPUs:
 Controles sofisticados para aplicar paralelismo em
threads únicas.
 Gerenciam instruções sequenciais de forma paralela
mantendo a aparência sequencial.
 GPUs:
 Abordagem SIMD (Single Instruction, Multiple Data)
 Projetadas para processamento gráfico.
 Especializadas em cálculos de vetores e matrizes.
Organização interna de uma GPU
Organização interna de uma GPU
Organização interna de uma GPU
Hierarquia de Memória
• Memória compartilhada e L1 Cache
Podem ser configuradas:
•16 kB de L1 e 48KB de SM
•16 kB de SM e 48KB de L1
•Read-only cache:
•Evita acesso à L1 quando não for
Para escrita
GPUs em Sistemas de Paralelismo
massivo (MPP)
 Por volta de 2000 os cientistas começaram a utilizar
GPUs para acelerarem aplicações científicas (cálculos
matemáticos, físicos, biológicos...)
 Advento do GPGPU (General Purpose Computation on
GPU)
 Forçou os desenvolvedores a repensar em seus
algoritmos.
 GPUs desenvolvidas para o mercado de HPC
Organização de um Cluster
CPU-GPU
Cluster AC at NCSA
 HP xw9400 workstation
 2216 AMD opteron 2.4GHz,
Dual core
 8 GB DDR2
 Infiniband QDR Adapter
 Tesla S1070 1U GPU Computing
Server
 1.3 GHz Tesla T10 processors
 4x4 GB GDDR3 SD RAM
 Cluster com 32 nós