GPU Computing mit Höchstleistung

GPU Computing mit Höchstleistung

Sonntag, 25.04.2010

Wenn Rechenleistung auf höchstem Niveau gefragt ist kommt man an der Nutzung der Compute Performance von aktuellen Grafikprozessoren nicht vorbei. Denn Grafikprozessoren (GPU) sind nicht nur für Bilderstellung und Grafikausgabe wichtig, sie verfügen auch über ein enormes Rechenpotential das es für Engineering und Berechnungsaufgaben zu verwenden gilt. In älteren Rechenclustern wird fast ausschließlich auf die Leistung von Hauptprozessoren gesetzt die über möglichst mehrere Rechenkerne verfügen. High Performance Cluster auf Basis der GPU Computing Technologie setzen nicht hauptsächlich auf den Prozessor, sondern hier steht die Leistung von möglichst vielen Grafikprozessoren im Vordergrund. Aktuelle Hauptprozessoren (CPU) wie die neuen Intel Xeon 5600 Prozessoren verfügen über sechs Rechenkerne die eine Vielzahl von Aufgaben übernehmen müssen. Die 512 Rechenkerne des Grafikprozessors hingegen sind für bestimmte Arten von Rechenvorgängen spezialisiert. Somit werden Berechnungen, die sich stark parallelisieren lassen mit der GPU um ein vielfaches schneller durchgeführt als dies mit der CPU möglich wäre. Die GPU Technologie soll aber nicht den Prozessor ersetzen, sondern vielmehr bei großen Aufgaben unterstützen. Um eine Anwendung nun auf der GPU ausführen zu lassen muss der Programmcode auf ein Grafikprozessor lesbares Format portiert werden. Genau zu diesem Zweck hat NVIDIA die Programmiersprache CUDA entwickelt. Die CUDA Parallel Architecture kann Code aus den Sprachen C, C++ und Fortran oder fertige Treiber API's wie OpenCL und DirectX-11 Compute ausführen. Dies erleichtert deutlich den Anpassungsaufwand für Programmierer. Jede Anwendung die CUDA kompatibel ist, lässt sich somit auf dem Grafikprozessor ausführen und profitiert von einem enormen Leistungszuwachs. Anwendungsgebiete für GPU Computing sind beispielsweise Finite Elemente Berechnungen, Fluid Dynamics, Rendering, Raytracing und Engineering Aufgaben, aber auch Anwendungen in Forschung und Lehre kommen in Frage. Aktuelle PNY Quadro FX Grafikkarten verfügen bereits alle über sogenannte CUDA Cores, die eingesetzt in einer Workstation viele Engineering Applikationen beschleunigen. Noch höhere CUDA Leistung kann mit den NVIDIA Tesla Einsteckkarten erreicht werden, die genau für diesen Zweck entwickelt wurden. Tesla Karten sind im Grunde genommen Grafikkarten mit einem sehr schnellen Prozessor aber ohne Grafikausgänge. Mit bis zu 512 CUDA Cores pro Tesla Karte können sehr komplexe Berechnungen in kurzer Zeit durchgeführt werden. Die Rechenleistung von High Performance Systemen wird in FLOPS – Floating Point Operations per Second, also die Anzahl der Gleitkommaberechnungen pro Sekunde angegeben. Eine NVIDIA Tesla Karte hat die Leistung von einem Teraflop/s, im Vergleich dazu kann ein aktueller Intel Core i7 Prozessor mit 3.33 GHz ca. 80 Gigaflop/s berechnen. Die NVIDIA Tesla Karten sind für den Einsatz in PCI-Express x16 Gen 2.0 Steckplätzen vorgesehen, die in einer Workstation am Arbeitsplatz untergebracht sind. Der Tesla Supercomputer ProViz T79 von CADnetwork ist speziell für die NVIDIA Tesla Einsteckkarten entwickelt worden und kann mit bis zu vier Karten ausgestattet werden. Insgesamt stehen damit vier Teraflop/s Rechenleistung direkt am Arbeitsplatz zur Verfügung. Die Workstation entspricht somit der Leistung eines CPU-Clusters mit 50 Intel Core i7 Prozessoren. Die Anschaffungskosten des CPU-Clusters sind dabei um ein vielfaches höher als der Preis der Tesla Workstation. Auch die Betrachtung des Energiebedarfs macht deutlich wie Effizient die GPU Technologie im Vergleich zur reinen CPU Nutzung ist. Während der CPU Cluster ca. 13 kW zuzüglich der Energie für die Kühlung benötigt, kommt der Tesla Supercomputer mit max. 1 kW aus. Wenn das nicht reicht und noch mehr Rechenleistung benötigt wird kommen die Serverlösungen von CADnetwork zum Einsatz. Der GPU Computing Server ProViz T45 verbindet über die beiden internen PCI-Express x16 Interface Karten das NVIDIA Tesla S2070 System an. Das S2070 System verfügt über vier interne Tesla Steckkarten in einem Rack basierten Gehäuse mit einer Höheneinheit. Über Infiniband QDR Verbindungen kann mit den CADnetwork Servern modular ein NVIDIA Tesla Preconfigured Cluster errichtet werden. CADnetwork entwickelt seit 2001 Lösungen für Grafik- und High Performance Anwendungen und ist NVIDIA Tesla Preferred Provider. Alle Systeme werden in Zusammenarbeit mit NVIDIA entwickelt, getestet und zertifiziert. Durch spezielle Schulungen und Trainings wird technisches Know-How auf höchstem Niveau sichergestellt. Die GPU Technologie sorgt nicht nur für eine deutlich höhere Leistung, sie hilft auch bei der effizienteren Nutzung der Serveranlage und spart Ressourcen ein. Die Vorteile der Technologie wurde von vielen Softwareentwicklern erkannt und eine breite Palette von CUDA fähigen Anwendungen stehen zur Verfügung. Weitere Informationen erhalten Sie unter www.cadnetwork.de.