高性能計(jì)算的另類思維

馬文方

CPU數(shù)量的增加不僅帶來了性能的提升,還帶來了可用性降低、功耗和成本攀升。未來,高性能計(jì)算路在何方?Andy Keane眼中CPU與GPU的結(jié)合才是最好的計(jì)算架構(gòu)。

隨著IBM高性能計(jì)算機(jī)“走鵑”于2008年6月誕生,高性能計(jì)算機(jī)(HPC)邁入千萬億次門檻。用戶對(duì)高性能計(jì)算需求的持續(xù)增長,推動(dòng)著HPC規(guī)模越做越大。在由CPU構(gòu)成的高性能計(jì)算的世界中,由于CPU計(jì)算性能的提升速度遠(yuǎn)遠(yuǎn)落后于高性能計(jì)算需求增長的速度,增加CPU的個(gè)數(shù)便成為提高HPC性能的主要途徑。如今全球高性能計(jì)算500強(qiáng)(Top500)中已經(jīng)出現(xiàn)內(nèi)核累計(jì)總數(shù)多達(dá)20多萬個(gè)的HPC。

但是,在提升性能的同時(shí),CPU個(gè)數(shù)的增加也給HPC增添了復(fù)雜性,并帶來可用性降低、系統(tǒng)功耗驚人、成本高居不下等問題,讓HPC廠商日益感到頭痛。于是,高性能計(jì)算廠商開始探索新的提升HPC性能的途徑。IBM的“走鵑”就是采用CPU和Cell處理器的混合架構(gòu),AMD和Intel也都分別對(duì)外發(fā)布了各自的CPU+GPU(圖形處理器)的混合架構(gòu)。

作為GPU領(lǐng)域龍頭老大的NVIDIA自然不會(huì)放棄在高性能計(jì)算這一CPU的傳統(tǒng)領(lǐng)地炫耀性能的機(jī)會(huì)。它先是推出了CUDA架構(gòu),使得程序員可以用C語言對(duì)CPU和基于CUDA架構(gòu)的GPU進(jìn)行統(tǒng)一編程,從而解決了因編程復(fù)雜而被程序員敬而遠(yuǎn)之所造成的GPU應(yīng)用難以普及的問題。進(jìn)而,它又推出了面向高性能計(jì)算的Tesla系列GPU。2008年11月21日,NVIDIA在美國德克薩斯州奧斯汀市舉辦的2008超級(jí)計(jì)算大會(huì)上聯(lián)手HPC的巨頭Crayon推出個(gè)人HPC。與此同時(shí),會(huì)上公布的Top500中,采用Tesla技術(shù)的HPC首戰(zhàn)便占據(jù)了第29名的位置,標(biāo)志著NVIDIA從個(gè)人HPC和高端HPC全面切入高性能計(jì)算領(lǐng)域。

為此,本報(bào)記者獨(dú)家專訪了NVIDIA高性能計(jì)算事業(yè)部總經(jīng)理Andy Keane。

HPC中的GPU

記者:GPU在高性能計(jì)算中的性能已經(jīng)到達(dá)了何種地步?

Keane:CPU的運(yùn)算速度在很大程度上還取決于緩存的大小,而GPU則是在任務(wù)并行化后用大量的線程來進(jìn)行運(yùn)算。雖然CPU已經(jīng)多核心化,可以多達(dá)8個(gè)內(nèi)核,但在并行計(jì)算時(shí),顯然不是GPU上千個(gè)線程的對(duì)手。

比利時(shí)有所大學(xué),以前用的是512個(gè)CPU組建的HPC,當(dāng)他們了解到GPU的運(yùn)行功能很強(qiáng)后,試著自己搭建了一臺(tái)配置有8個(gè)GPU的臺(tái)式機(jī),結(jié)果性能竟與以前512個(gè)CPU的HPC不相上下。

記者:既然GPU的性能遠(yuǎn)遠(yuǎn)超過CPU,那么NVIDIA何時(shí)開始關(guān)注GPU的計(jì)算能力?

Keane:15年前,我們就開始針對(duì)3D游戲開發(fā)GPU了。但GPU的編程很復(fù)雜,因而應(yīng)用主要是集中在圖形顯示領(lǐng)域。之后,我們開發(fā)了CUDA架構(gòu),你可以把CUDA想象成與x86相似的硬件架構(gòu),它允許應(yīng)用開發(fā)者用他們熟悉的語言對(duì)GPU進(jìn)行快速編程,從而為GPU拓寬了應(yīng)用范圍?，F(xiàn)在,NVIDIA所有的GPU都支持CUDA架構(gòu)。

記者:懂得計(jì)算機(jī)的人都知道,并行編程要比串行編程復(fù)雜得多。程序員如何在CUDA平臺(tái)上對(duì)CPU和GPU統(tǒng)一編程?

Keane:盡管CPU與GPU之間在架構(gòu)上存有很大的區(qū)別,但我們覺得CPU與GPU的結(jié)合才是最好的計(jì)算架構(gòu)。于是我們?cè)贑UDA上推出了C語言編譯器,程序員在開發(fā)應(yīng)用程序時(shí),只要對(duì)序列執(zhí)行的程序代碼和并行執(zhí)行的程序代碼簡單地進(jìn)行標(biāo)注,C編譯器就可以向PC解釋哪部分該由CPU做,哪部分該由GPU做。

記者:CUDA的編程看來不難,那么搭建一個(gè)個(gè)人HPC難不難?

Keane:用Tesla組建個(gè)人HPC是件很容易的事。你只要把買到的Tesla卡插到PC主板上的PCI插槽,你的PC就變成了1臺(tái)個(gè)人HPC。

記者:Tesla貴嗎?

Keane:4個(gè)GPU的價(jià)格在9500美元～1萬美元之間,3個(gè)GPU的Tesla價(jià)格為7000多美元。但與同等價(jià)位的工作站相比,我們的性能應(yīng)該有百倍的提升。

競爭對(duì)手

記者:我們看到現(xiàn)在全球性能最高的HPC“走鵑”所采用的CELL處理器實(shí)際上就是一個(gè)集成了8個(gè)流處理器和一個(gè)CPU內(nèi)核的處理器,而GPU也是由數(shù)百個(gè)流處理器構(gòu)成的。你是如何看待CELL的?

Keane:CELL的編程要比CUDA復(fù)雜得多。CUDA本身就是一個(gè)GPU架構(gòu),我們所有GeForce、Quadro和Tesla產(chǎn)品線都可以很完美地對(duì)其提供支持。它的編程模式是很簡單的,語言與C語言非常接近,編譯器與C語言也基本一致。唯一的改變是將之前的串行計(jì)算更新為并行計(jì)算。在過去的一年中,CUDA積累了大量的應(yīng)用程序,而且在美國,也有很多活躍的論壇討論CUDA的編程問題。我們也在CUDA中文網(wǎng)站上開設(shè)了CUDA中國專區(qū),上面有144個(gè)使用的案例。對(duì)于程序員而言,這些編碼都是開放的。

記者:在基于Tesla搭建的HPC中,GPU與CPU從指令集上看是異構(gòu)的。而英特爾最新展示的具有80個(gè)內(nèi)核的Larrabee卻采用的是x86指令集,從而實(shí)現(xiàn)了CPU和GPU在指令集上的兼容,對(duì)于程序員來說,這是否會(huì)比Tesla編程更為容易呢?

Keane:我并不這樣認(rèn)為。在NVIDIA的CUDA平臺(tái)上,不管面對(duì)何種架構(gòu),編程人員都可以用很普及的C語言去對(duì)CPU和GPU進(jìn)行統(tǒng)一編程。對(duì)于程序員來說,Tesla的編程是很簡單的。而Larrabee無法用C語言來編程,程序員要學(xué)習(xí)這種新架構(gòu)和它的語言并用兩種語言分別對(duì)CPU和GPU進(jìn)行編程。

記者:AMD選擇GPGPU(通用GPU)來切入高性能計(jì)算領(lǐng)域,對(duì)此你有何見解?

Keane:關(guān)鍵要看它的普及率了。這里有兩個(gè)數(shù)據(jù):英特爾x86處理器市場占有85%的份額,AMD只占15%;同時(shí),AMD的FireStream只有5%的使用率。你為客戶定制產(chǎn)品的確會(huì)又好又快,但如果產(chǎn)量不高,成本無法有效攤薄,價(jià)格就會(huì)非常高。 而我們主要針對(duì)主流市場,用更加標(biāo)準(zhǔn)的界面來制作,讓用戶很容易使用,而且有能力承受。我們能夠讓很多研究人員將原本要跑到數(shù)據(jù)中心去做的計(jì)算轉(zhuǎn)移到插有Tesla卡的工作站上,并很容易地獲得高性能計(jì)算的體驗(yàn)。

應(yīng)用領(lǐng)域

記者:TOP 500中,x86架構(gòu)CPU已經(jīng)占據(jù)了90%的地盤。請(qǐng)問Tesla進(jìn)入高性能計(jì)算市場的機(jī)會(huì)有多大?

Keane:幾乎是100%。我們強(qiáng)調(diào)的是異構(gòu)計(jì)算,GPU不可能完全取代CPU,只是能顯著地減少CPU的數(shù)量。如果我們從另外一個(gè)角度上看這個(gè)問題,其實(shí)全都采用一樣的架構(gòu)未必是件好事。如同在GPU領(lǐng)域,因?yàn)橛形覀僄PU、Intel的Larrabee和AMD的ATI的存在,因此大家可以互相激勵(lì),充分開展競爭,刺激創(chuàng)新。但是服務(wù)器領(lǐng)域的架構(gòu)幾乎統(tǒng)一,這對(duì)創(chuàng)新是不利的。

記者:那么在工作站方面呢?

Keane:工作站的限制主要在于工作站機(jī)箱內(nèi)部空間的限制,例如工作站的電源只能提供1000W的功率,那么,我們可以在這1000W之內(nèi)給你提供盡可能高的計(jì)算性能,比如說1T的性能。

記者:無疑,Tesla個(gè)人高性能計(jì)算機(jī)的性能遠(yuǎn)好于現(xiàn)在的工作站,但目前工作站上的很多應(yīng)用軟件都是基于UNIX系統(tǒng),廠商們?cè)敢獍阉鼈円浦驳絋esla平臺(tái)上嗎?

Keane:這些開發(fā)商面臨著決定應(yīng)用何種并行運(yùn)算解決方案的選擇。其中之一為多核CPU解決方案,即將計(jì)算工作分配到雙核、四核甚至八核上。這樣,對(duì)于開發(fā)人員來說,如果他們要想通過并行計(jì)算來得到性能的提升,就必須將應(yīng)用分解為4塊甚至8塊。這其中最大的挑戰(zhàn)是如何將計(jì)算工作劃分為完全均衡的4塊或者8塊。另外一種解決方案類似Intel的Larrabee,開放人員可以用比多核解決方案更為簡單的方式解決并行計(jì)算的問題。但是針對(duì)并行運(yùn)算,GPU架構(gòu)可以非常簡單地實(shí)現(xiàn)非常大規(guī)模的并行計(jì)算。如果你要按照時(shí)間和效率來衡量這幾種選擇方案,GPU無疑是效率最高的。

記者:未來工作站會(huì)不會(huì)被Tesla個(gè)人超級(jí)計(jì)算機(jī)替代?

Keane:對(duì)于任何使用集群的用戶,都有應(yīng)用Tesla GPU的需要。我將努力說服他們中的所有人。利用工作站進(jìn)行高性能計(jì)算的用戶也是我們的目標(biāo)人群,我們也希望讓他們認(rèn)識(shí)到我們的好處。事實(shí)上,如果用戶很看重預(yù)算和效率,對(duì)成本和時(shí)間很敏感,那么Tesla對(duì)他們來說就很有價(jià)值。

未來發(fā)展

記者:在CPU領(lǐng)域,虛擬化是一個(gè)很時(shí)尚的話題,Tesla也能虛擬化嗎?

Keane:如果CPU可以做到虛擬化,那么GPU也可以做到虛擬化。因?yàn)樗麄兌际腔谔幚砥骷軜?gòu)的。就好像將GPU作為CPU的一個(gè)資源,只要CPU可以實(shí)現(xiàn)虛擬化,那么GPU也可以作為CPU的資源實(shí)現(xiàn)虛擬化。

記者:Tesla現(xiàn)在使用C語言編程。我們知道C語言與硬件很容易結(jié)合,也易于控制。聽說NV還要在Tesla上使用Fortran,這樣會(huì)不會(huì)影響到效率?未來還會(huì)有其他語言嗎?

Keane:Fortran是非常結(jié)構(gòu)化的語言,并行計(jì)算的性能非常好,在GPU上的執(zhí)行效率甚至更高。同時(shí),在未來我們還將增加C++等語言。

記者:既然在Tesla計(jì)算機(jī)中,Tesla GPU要與CPU協(xié)同工作,那么,未來GPU和CPU會(huì)不會(huì)集成在一個(gè)芯片上?

Keane:我們不認(rèn)為GPU和CPU將會(huì)融合。因?yàn)槟壳癎PU的設(shè)計(jì)比CPU還要復(fù)雜,GPU擁有更多的核心,更高的內(nèi)存容量,芯片的面積也很大。我們的客戶也對(duì)計(jì)算性能和內(nèi)存提出更高的要求。我們所能做的是提升制造工藝,從而降低芯片的面積。

我們當(dāng)然可以把一個(gè)小型CPU集成進(jìn)來,但這樣對(duì)GPU計(jì)算性能的提升并沒有益處。就高性能計(jì)算而言,高速異構(gòu)計(jì)算架構(gòu)是一個(gè)CPU搭配多個(gè)GPU,然后更多的CPU搭配更多的GPU,這樣,GPU就可以發(fā)揮加速器的作用。

記者:既然高性能計(jì)算市場這么大, NVIDIA會(huì)不會(huì)借助Tesla成為HPC廠商?

Keane:不會(huì)的。我們的優(yōu)勢(shì)就在GPU上,我們也生產(chǎn)主板,但是我們的研發(fā)都是投在GPU上。這一點(diǎn),我們的CEO說得很清楚,NVIDIA會(huì)一直專注在GPU上,不會(huì)在其他地方分神。