
引
言
拆解异构计算
异构计算,是指不同架构的计算。intel x86架构CPU无论是在性能还是生态方面都十分优异,在桌面端和服务器端长久以来占据优势地位。在很多场景里,用户已经习惯了大部分,甚至所有的计算任务都交给CPU,仿佛CPU已约等于x86一种架构,且CPU里面的逻辑核就应该是相同的。但随着云计算的普及、AI的爆发、计算场景的丰富,CPU作为通用处理器处理特定场景的计算任务的瓶颈越来越突出,大家越来越需要使用不同架构的专用芯片来进行计算。
在信创场景下,异构计算还有更深的意义。按照不同的维度进行划分,信创场景下的异构计算,可以分为三类:
1
计算场景的异构
这是通俗意义上的异构计算,将原本是CPU处理的场景,解耦出来由专用芯片进行处理。
如GPU对图形数据、机器学习数据的高效处理、DPU对网卡和存储等数据的高效处理。之所以要将这些特定场景的算力从CPU解耦出来,是因为随着摩尔定律走向终结,业务对性能的要求越来越高,CPU无法满足所有场景的需求,解耦出来的场景通过专用芯片,能更高效、更灵活的对相关场景进行算力支持。
对于计算场景的异构计算趋势,很多人认为这是计算机体系变革演进的必然。。2017年图灵奖获得者在2019年发表的论文《计算机架构的新黄金时代》中预测特定领域体系架构(DSA)芯片是计算机架构的未来机会。
GPU和DPU是近几年发展最迅速的DSA。
GPU,Graphics Processing Unit,直接翻译就是图形处理单元,最开始只是作为图形计算的专用加速器。但是当GPU向通用化发展,能处理非图形化数据,并且拥有体系化的编程框架(如NVIDIA的CUDA)之后,GPU的应用场景越来越丰富了。尤其是与AI的结合,让GPU在并行计算、数据处理方面远超CPU的优势发挥得淋漓尽致。因此,高并行计算类的场景由GPU接管后,很难再回到CPU了,这是典型的基于计算场景的异构计算。
DPU,Data Processing Unit,数据处理单元,顾名思义就是指专注于数据处理的芯片。根据Fungible和AWS的统计,在大型数据中心中,流量处理占到了计算的30%左右,即数据中心中30%的计算是在进行流量处理,有个形象的说话叫做30%的数据中心税。CPU的特点是擅长逻辑判断和串行数据运算,在很长时间里,宝贵的CPU资源不得不挪出30%用于“数据中心税”。而DPU最重要的作用就是直接处理数据流量,让CPU完全不用浪费资源用于数据通信,更专注于逻辑业务处理。
金融作为一个信息化发展最快的行业,复杂的业务场景必将也需要对计算场景进行异构,将GPU、DPU等充分的应用的数字化建设中。
2
计算性能的异构
3
CPU架构的异构
异构计算引发的计算机体系变革
对于信创云计算的意义
1
提升云计算性能
2
扩宽云计算边界
3
促进云计算落地
面向异构计算趋势的金融企业级
1
异构CPU的管理

2
资源精细化管理
3
云平台底层虚拟化功能加强




「信创中国」


原创文章,作者:信创中国官方,如若转载,请注明出处:http://www.xc-cn.cn/4889.html