Superračunalnik za štiri tisoč evrov

Sistem morajo raziskovalci poganjati z odstranjeno levo stranico saj bi se v nasprotnem primeru pregrel.

a ni včasih veljalo, da odstranjena stranica "zjebe" pretok zraka v ohišju, kar pomeni da se hladi slabše?

Shit... Daj Mr.B, zadrži take modrosti zase... Nisem glih čisto 100% (preverjati se mi pa ne da) ampak da bo računalo (CPU, GPU ali kalkulator) uporabno moraš znat naredit +, * in inverz za seštevanje (za x moraš znat povedat kaj je -x) ter seveda zanke. Množenja ne moreš naredit samo s seštevanjem (3 * 3,2 = 3,2 + 3,2 + 3,2 = 9,6 kaj pa: 4,6 * 9,7 = ?), seštevanja ne moreš naredit samo z množenji in odštevanja ne moreš naredit brez -. Deljenje lahko narediš z že omenjenimi operacijami (in tudi je, tako na GPU-jih kot CPU-jih).

Če pozabimo na očitne stvari, ki jih GPU-ji pač ne počenjajo (kot je naprimer to, da ne odgovarjajo na prekinitve, ki jih sproži recimo tipkovnica/miš) in se omejimo na samo algoritmiko potem je ni stvari, ki jo GPU-ji ne bi mogli počet, CPU-ji pa lahko. Obstaja pa precej filozofskih razlik...

GPU-ji so že od začetka zelo masovno multithreaded, ampak so šele pred kratkim postali dovolj "splošni", da so uporabni še za kaj drugega kot risanje pixlov. CPU-ji so od samega začetka "splošni" ampak so šele pred kratkim postali dejansko multithreaded (dual, quad code,...). Ampak ker teče debata o superračunalniških aplikacijah je očitno, da smo v multithreaded vodah. Koliko hitro se bo superračunalnik odzval na uporabnikov pritisk tipke "k" ni problem (če ravno ta akcija ne sproži sedem dnevnega preračunavanja) in se ne bo odzval nič hitreje kot kakšen običajen računalnik. Tudi če boš napisal program "for (long i = 1; i < 1000000000; i++) x += x/i;" ti ga superračunalnik (ali GPU) ne bo obdelal nič hitreje kot en sam (single core) CPU.

CPU-ji so v bistvu močno specializirani za sekvenčne/serijske operacije. Frekvence so višje kot na GPU-jih. Precejšen del logike (=> površine jedra) skrbi da lahko ukazi prihajajo ven v drugačnem vrstnem redu kot prihajajo not (tudi CPU-ji imajo pipeline). Potem je tukaj branch prediction... Vse to gre bolj ali manj "out the window" pri GPU-jih, oziroma je filozofija drugačna.

Edine praktične razlike, ki jih je treba upoštevat so v tem, da GPU-ji nimajo povsem IEEE matematike s plavajočo vejico (ni zaokrožanja na neskončnost), da potrebuješ Radeona 3800+ ali GT200, če hočeš dvojno natančnost in da če pač delaš "for (long i = 1; i < 1000000000; i++) x += x/i;" potem bolje da vzameš kar en (sam) CPU.

Za množenje rabiš shift+add :)

Trdi: Kaj sploh misliš da je razlika med vsemi temi različnimi čipi? Vsi znajo seštevat, vsi znajo množit, vsi znajo bite shiftat,... Kaj je torej pol razlika med recimo Cell, x86, G8x/G9x, PowerPC?

Ne razumem vprašanja. Ti tega ne veš ali trdiš, da jaz tega ne vem? To da ni razlike, verjetno ni tvoj point, ker seveda ni res, in predvidevam, da to veš. Ne vidim pointa vprašanja.

Glede na to, da so se pojavile posebne kartice za neke fizikalne efekte - bi lahko to bila naslednja stopnica?

Nazadnje ko sem kaj slišal o tem, se je pisalo, da bojo GPU-ji sposobni pospeševat fiziko. Kaj več pa lahko Senitel pove...

zerox: Seveda matematično gledano... Te zanima filozofski pogled na množenje? Tu pa ne morem pomagat. :) Shiftanje je zelo enostavno za implementirat, tako kot je enostavno premetavanje vejice. V bistvu pa je oboje množenje/deljenje. Ali je pač tvoj point to, da nek čip nima nujno mul ukaza, ima pa shift in add in lahko programer "emulira" mul z njima?
Tudi če se premaknemo na nekaj bolj pametnega, recimo izračun funkcije sinus bo na koncu na siliciju prišlo do množenj in seštevanj, pa če ima čip v naboru ukazov funkcijo sinus ali ne. Seveda so prednosti, da imaš na izbiro lepo število ukazov, res je tudi da imajo GPU-ji zelo lep nabor ukazov.

noraguta: Kaj točno misliš z "omejenim številom ALU enot"? Tudi GPU-ji jih nimajo neomejeno, ampak tudi CPU nima ene same. Seveda je razlog, da so CPU-ji taki kot so... Saj je še nekaj časa nazaj veljalo, da je višja frekvenca rešitev vseh problemov (danes je pa več jeder rešitev vseh problemov :)).

Trdi: Glede aritmetike parkično ni razlik, sure GPU-ji znajo nardit skalarne produkte in podobno. Zares unikatna funkcionalnost GPU-jev je v tem da imajo enoto ki bo pognala poseben program za vse pike v trikotniku (kar je neuporabno zunaj grafike), ter to da lahko filtrirajo vrednosti iz tabele (teksturiranje; spet ne tako zelo uporabno zunaj grafike). Res razlika pa nastane, ko primerjaš kako recimo GPU obravnava 100 programov, ki tečejo sočasno, in kako to naredi CPU. Zaradi tega imaš lahko na GPU-ju praktično kolikor hočeš ALU-jev in jih ne bo problem zapolnit, in zato na posameznem jedru CPU-ja ne moreš zapolnit vseh enot (recimo SSE in klasičen floating point se enostavno ne splača mešat). Fizika je samo še en dodaten task, ki poskrbi za boljšo zasedenost ALU-jev.

Cez dva meseca...masina iz podpisa + 2x Nvidia 9800X2 (ali kaj novejsega), pa vam bom povedal, kako se stvar obnese pi racunanju.

zerox: Glede floating point je tako, da ni čisto standardni IEEE 754. Manjka zaokrožanje na +-infinity. Glede natančnosti so pa kartice znotraj DX generacije običajno enake. ATI je imel na X800, X1800 24 bitni floating point, NV je imela na FX-ih 16 in 32 bitni floating point. DX10 generacija je vsaj 32 bitni single precision floating point, GT200 in Radeon 38x0 ter 48x0 pa imajo že tudi double precision floating point v Cuda/CTM režimu delovanja. Integer je v bistvu DX10 zadeva in je na vseh DX10 kartah 32 bitov. V starih časih računanje ni bilo z integerji ampak v fixed point (kar je sicer več ali manj isto). Interna natančnost je na teh kartah varirala (odvisno pač od dolžine pipeline-a in natančnosti outputa).

PIP: Pri napajanju je običajno pravilo "better safe then sorry", na PCI-Express 2.0 platah bi morda bil zadosti samo en priključek. GTX 260 bo imel 6+6.

Linux je primeren samo za uporabne superračunalnike.

Za neuporabne pa ni.