Was ist CUDA und seine Rolle bei Grafikkarten?
CUDA (Compute Unified Device Architecture) ist eine Computerplattform des Grafikkartenherstellers NVidia. CUDA ist eine von NVIDIA eingeführte Allzweck-Parallel-Computing-Architektur, die es GPUs ermöglicht, komplexe Computerprobleme zu lösen. Es umfasst die CUDA-Befehlssatzarchitektur (ISA) und die Parallel-Computing-Engine innerhalb der GPU.
Die Computerindustrie bewegt sich von der „zentralen Verarbeitung“, bei der nur CPUs zum Einsatz kommen, hin zur „Co-Verarbeitung“, bei der sowohl CPUs als auch GPUs zum Einsatz kommen. Um dieses neue Computerparadigma zu schaffen, hat NVIDIA das CUDA-Programmiermodell (Compute Unified Device Architecture) entwickelt, um die Vorteile von CPU und GPU in Anwendungen voll auszuschöpfen. Jetzt ist die Architektur auf GeForce-, ION-, Quadro- und Tesla-GPUs verfügbar, was einen riesigen Markt für Anwendungsentwickler darstellt.
Auf dem Verbrauchermarkt wurde fast jede wichtige Verbrauchervideoanwendung mit CUDA beschleunigt oder wird bald mit CUDA beschleunigt, darunter Produkte von Elemental Technologies, MotionDSP und LoiLo. In der wissenschaftlichen Forschungsgemeinschaft erfreute sich CUDA schon immer großer Beliebtheit. Beispielsweise kann CUDA jetzt AMBER beschleunigen. AMBER ist ein Molekulardynamik-Simulationsprogramm, das weltweit von mehr als 60.000 Forschern in Hochschulen und Pharmaunternehmen eingesetzt wird, um die Entdeckung neuer Medikamente zu beschleunigen. Auf den Finanzmärkten haben Numerix und CompatibL CUDA-Unterstützung für eine neue Anwendung für das Kontrahentenrisiko veröffentlicht und eine 18-fache Beschleunigung erreicht. Numerix wird von fast 400 Finanzinstituten genutzt.
Die breite Anwendung von CUDA hat zum Aufstieg der Tesla-GPU für GPU-Computing geführt. Mittlerweile wurden mehr als 700 GPU-Cluster bei globalen Fortune-500-Unternehmen in verschiedenen Branchen installiert, darunter Schlumberger und Chevron im Energiesektor und BNP Paribas im Bankensektor. Mit der Einführung von Microsoft Windows 7 und Apples Snow Leopard-Betriebssystemen wird GPU-Computing sicherlich zum Mainstream werden. In diesen neuen Betriebssystemen wird die GPU mehr als nur ein Grafikprozessor sein, sie wird zu einem Allzweck-Parallelprozessor, der von allen Anwendungen verwendet werden kann.
Anwendung von CUDA
Die Computerindustrie bewegt sich von der „zentralen Verarbeitung“, bei der nur CPUs zum Einsatz kommen, hin zur „Co-Verarbeitung“, bei der sowohl CPUs als auch GPUs zum Einsatz kommen. Um dieses neue Computerparadigma zu schaffen, hat NVIDIA das CUDA-Programmiermodell (Compute Unified Device Architecture) entwickelt, um die Vorteile von CPU und GPU in Anwendungen voll auszuschöpfen. Jetzt ist die Architektur auf GeForce-, ION-, Quadro- und Tesla-GPUs verfügbar, was einen riesigen Markt für Anwendungsentwickler darstellt. Der Grund für CUDA: Mit der Entwicklung von Grafikkarten werden GPUs immer leistungsfähiger und GPUs werden für die Darstellung von Bildern optimiert. Es hat die Allzweck-CPU in der Berechnung übertroffen. Ein solch leistungsstarker Chip wäre allein als Grafikkarte zu verschwenderisch, daher hat NVidia CUDA eingeführt, damit die Grafikkarte für andere Zwecke als Bildberechnungen verwendet werden kann.
Die Zusammensetzung der CUDA-Architektur
Entwicklungsbibliothek: Die Entwicklungsbibliothek ist eine Anwendungsentwicklungsbibliothek, die auf der CUDA-Technologie basiert.
Laufzeitumgebung: Die Laufzeitumgebung bietet Anwendungsentwicklungsschnittstellen und Laufzeitkomponenten, einschließlich der Definition grundlegender Datentypen und verschiedener Funktionen wie Berechnung, Typkonvertierung, Speicherverwaltung, Gerätezugriff und Ausführungsplanung.
Treiber: CUDA-fähige GPU-Geräteabstraktionsschicht, die eine abstrakte Zugriffsschnittstelle für Hardwaregeräte bereitstellt. Das heißt, der entsprechende Treiber muss auf einem Computer mit nVIDIA-Hardware installiert werden, um allgemeine CUDA-Vorgänge zu implementieren.