这个模拟适合 CUDA 还是 OpenCL？答案

【问题标题】：Is this simulation appropriate for CUDA or OpenCL?这个模拟适合 CUDA 还是 OpenCL？
【发布时间】：2012-08-01 04:32:20
【问题描述】：

我代表一位从事数值天体物理学工作的朋友提问。

他所做的基本上是模拟一团气体。有有限数量的单元，并且定义了时间步长，使得气体每一步不能穿过超过一个单元。每个细胞都具有密度和温度等属性。每个时间步长，这些（和位置）都需要计算。我认为主要是位置问题，因为这主要受细胞间重力相互作用的影响，所有这些相互作用都会相互影响。

目前他正在一个大约 150 个节点的集群上运行它，但我想知道，如果它可以像这样并行化，它能否在一些带有 CUDA 的 GPU 上运行得更快？目前，他需要几天时间才能完成模拟。由于 GPU 通常有大约 500 个内核，它们似乎可以提供提升。

也许我完全错了。

【问题讨论】：

【解决方案1】：

是的，这听起来像是一个不错的 GPU 应用程序。 GPU 处理在大型数据集上运行相同的功能时最有效。如果您已经让它在集群计算机上并行运行，我会说编写它并在单个显卡上对其进行测试，看看这是否是对单个集群的改进，然后相应地进行扩展。

【讨论】：

【解决方案2】：

您描述的任务非常适合 GPU。 GPU 已成功用于显着提高粒子、空气动力学和流体模拟等领域的性能。

【讨论】：

【解决方案3】：

如果不了解有关模拟的更多详细信息，就无法确定它是否会提高性能。从广义上讲，受内存限制的算法（即每个内存事务相对较少的算术运算）往往从卸载到 GPU 中受益最多。

对于天体物理模拟，以下链接可能有用：http://www.astrogpu.org/

【讨论】：

“从广义上讲，受内存限制的算法（即每个内存事务相对较少的算术运算）往往从卸载到 GPU 中受益最多。”反之亦然——计算绑定算法往往会从移植到 GPU 中获益最多。
我应该说的是具有高数据级并行性的应用程序更有可能受益，这本来是一个更准确的说法。 GPU 通常比 CPU 具有更高的带宽与 FLOP 比率，因此受内存限制的内核将受益，但整体观点是复杂的。有关该问题的研究，请参阅 Debunking the 100X GPU vs. CPU myth: an evaluation of throughput computing on CPU and GPU。