パーソナル分散クラスターまたはGPU:グローバルプロセッシングユニット

グリッドコンピューティング(トレリスコンピューティング)については、おそらく既に聞いたことがあるでしょう。特に、高性能システムの開発を追う場合は、今では最も興味深い有望なテクノロジーと見なされています。その商用レールは、オラクルが最初にビジネス環境に導入したものです。 基本的に、このようなコンピューティングファーム(またはグリッド、この用語は電力グリッドに由来し、本質的に計算は空間に分散されるだけでなく、電気エネルギーなどの必要な量の任意のポイントから利用できることを意味します)。 科学計算、複雑なシーンの視覚化、その他の大容量計算に使用されます。 ちなみに、これが多くの極秘研究所や大企業の顧客だとは思わないでください。 まったくない! オープンソースのソフトウェアのみを使用して、自分で小さなコンピューティンググリッドネットワークを構築し、ニーズに合わせてこのように組み合わせたリソースを使用できます。 たとえば、教育機関では、さまざまなクラスのコンピューター群を科学計算用の1つのネットワークに結合するために役立ちます(結局、教育にはスーパーコンピューターへの資金がないことが多く、もしそうなら、科学者のためのすべての同じタスクには常に桁違いの計算能力が必要です、よりも)。





GPU(Global Processing Unit)プロジェクトは、さまざまなコンピューターのリソースの使用を支援するように設計されており、P2Pテクノロジーを使用してそれらを単一のコンピューティングシステムに統合します。 このため、GPUはネットワークとGnutellaプロトコルを使用し、通常のクライアントとして動作し、CPUのみを共有します。 典型的なGPUシステムには、分散ビデオレンダリングに使用できる5〜15台のコンピューターのネットワーク(現在のブランチ0.9x、ネットワーク上の60ノードの制限)が含まれていますが、インデックス付けと検索の検索ノードとしてコンピューターを使用する実験的な検索エンジンも利用できますインターネット上の情報を検索します。



GPU自体はオープンソースで配布されており、アプリケーションを操作するための、またはスタンドアロンプ​​ログラムとして動作するためのオープンフレームワークです。 もちろん、これらはMPIのようなライブラリではありません。使用するには、アーキテクチャを処理してアプリケーションを最適化する必要があり、実装言語(Delphi環境のObjectPascal)には制限がありますが、プロジェクトにこのテクノロジを使用する目標を設定すると、非常に成功しました。




All Articles