常见的编程任务在 GPU 上的转化效果如何？

Question

我最近开始了一个项目，以确定如何最好地利用现代显卡的处理能力进行一般编程。似乎现场通用 GPU 编程 (GPGPU) 对具有大量繁重数学的科学应用程序有很大的偏见，因为这非常适合 GPU 计算模型。这一切都很好，但大多数人不会把所有时间都花在运行模拟软件等上，因此我们认为有可能创建一个通用基础，以便为大众轻松构建支持 GPU 的软件。

这就引出了我想提出的问题；程序执行的最常见工作类型是什么？我们不要求这项工作非常好地转化为 GPU 编程，因为我们愿意接受适度的性能改进（总比没有好，对吧？）。

我们已经想到了几个主题：

• 数据管理 - 处理来自数据库的大量数据 否则。
• 电子表格类型的程序（与上述有点相关）。
• GUI 编程（尽管可能无法访问 相关代码）。
• 排序和搜索等常用算法。
• 通用集合（并将它们与数据操作集成 算法）

还有哪些其他编码任务非常常见？我怀疑很多正在编写的代码属于库存管理类别以及跟踪真实“对象”的其他类别。

由于我没有行业经验，我认为可能有许多基本类型的代码比我意识到的更频繁地完成，但它们并没有作为外部产品实现。

我们将不胜感激高级编程任务以及特定的低级操作。

Answer 1

我做了很多配置的简化。也就是说，我将配置值的生成/管理包装在 UI 中。主要好处是我可以控制工作流程和演示，让非技术用户更轻松地配置应用程序/站点/服务。

Answer 2

通用编程非常适用于 GPU。 GPU 致力于在数据流上以极高的速度执行相当简单的任务，并具有高度的并行性。它们不能很好地处理通用编程的丰富数据和控制结构，试图将其硬塞进它们是没有意义的。

Answer 3

通用编程非常适用于 GPU。 GPU 致力于在数据流上以极高的速度执行相当简单的任务，并具有高度的并行性。它们不能很好地处理通用编程的丰富数据和控制结构，试图将其硬塞进它们是没有意义的。

这与我对这种情况的印象并不太远，但在这一点上，我们并不太关心自己。我们首先要全面了解我们必须关注哪些选项。完成后，我们将对它们进行更深入的分析，并找出哪些（如果有的话）是合理的选择。如果我们最终确定在该领域内不可能做任何事情，而我们只是增加了每个人的电费，那么这也是一个有效的结果。

Answer 4

您可能想看看 ACM 的 Queue 杂志的 March/April issue，其中有几篇关于 GPU 以及如何最好地使用它们的文章（当然，除了做图形之外）。

Answer 5

现代计算机经常做的事情，哪里有一点好处可以走很长的路？让我们看看...

• 数据管理：关系数据库管理可以受益于更快的关系联接（尤其是涉及大量关系的联接）。涉及大量同质数据集。
• 标记化、词法分析、解析文本。
• 编译、代码生成。
• 优化（查询、图表等）。
• 加密、解密、密钥生成。
• 页面布局、排版。
• 全文索引。
• 垃圾收集。

Answer 6

使用 GPU 时要考虑的另一件事是总线速度，大多数显卡都设计为在将数据从 CPU 传输到 GPU 时具有更高的带宽，因为它们大部分时间都是这样做的。从 GPU 到 CPU 的带宽（返回结果等所需的带宽）没有那么快。所以它们在流水线模式下工作得最好。