PC Games Hardware Magazin Ebay-Schnäppchen (Vorschau)

grafikkarten | Accelerated Computing @ Home
(Quelle: http://www.cs.virginia.edu/kim/docs/ispass11.pdf)
nigung durch massiv-parallele Prozessoren.
Denn bei Weitem nicht
alle Algorithmen lassen sich mir
nichts, dir nichts auf größere Mengen
an Rechenwerken verteilen.
Bei Grafikberechnungen gibt es
mehr als ausreichend Parallelität,
wie bereits angesprochen, und zudem
müssen die berechneten Pixel
nicht mehr von der Grafikkarte zur
CPU zurückgeschickt werden. Im
Bereich allgemeinerer Funkionen
gestaltet sich das schwieriger, und
selbst wenn diese Verteilung durch
trickreiche Rechenschritte möglich
ist, muss sie sich immer noch
rentieren. Denn zwischen CPU und
GPU müssen die Daten hin und her
Geeignet für GPU-Beschleunigung?
re bei sehr schnellen GPUs einen
großen Teil der Gesamtlaufzeit
ausmacht. Je kleiner der Datensatz,
desto krasser wird dieses Missverhältnis,
sodass in einer relativen
Balkendarstellung die eigentliche
Berechnungszeit kaum noch zu
erkennen ist. Im Extremfall SAXPY
lag das Verhältnis von Gesamt zur
Kernellaufzeit bei 43:1 im Durchschnitt
über alle Messgrößen.
Solche Probleme erklären oftmals
auch die Ergebnisse, die wir immer
wieder in sogenannten Showcase-
Benchmarks ermitteln. Bei Nutzung
zusätzlicher Recheneinheiten
via Open CL oder auch Cuda findet
Wir haben hier unterschiedliche Kernel- und Transferzeiten dargestellt. Je nachdem an welcher Stelle eine Beschleunigung
stattfindet, lässt sich durchaus eine Menge Arbeitszeit einsparen (Fall IV).
I
II
Host
Host
geschickt werden, manchmal sogar
mehrfach für eine Berechnung.
Das kostet jedes mal Zeit, sodass
der Entwickler eines Programmes
prüfen muss, ob die gesparte
Rechenzeit durch die zusätzliche
Latenz nicht wieder aufgefressen
wird.
Spezielle Mikro-Benchmarks einzelner,
verbreiteter Algorithmen
wie zum Beispiel SAXPY, SGEMM,
FFT oder Sortierungen und andere
mehr zeigen einem Forschungspapier
(siehe Bild links) zufolge
deutlich, dass der Prozentsatz der
Transferzeiten von Daten von und
zum Grafikprozessor insbesonde-
Fußangel: Rechen- vs. Datenübertragungszeit
Für jede Berechnung auf der GPU müssen dieser die entsprechenden Daten zur Verfügung gestellt werden. Diese
Mikro-Benchmarks zeigen, dass manchmal der Datentransfer zigfach länger dauert als die eigentliche Berechnung.
Kernelzeit
Kernelzeit
Ergebnis
Ergebnis
per se eine Beschleunigung statt,
die Rechenzeit verkürzt sich gegenüber
der CPU-Version, aber schnellere
Grafikchips werden durch
einen großen Anteil der Transferzeiten
oder mangelnde Parallelisierungsmöglichkeiten
bei niedrigem
Datenaufkommen daran gehindert,
ihre Leistung voll auszuspielen. Unser
frischer Open-CL-Benchmark
auf der nächsten Seite zeigt das Problem
– ebenso wie in der Vergangenheit
bereits Winzip oder frühe
Versionen des inzwischen eingestellten
Vreveal-Videokonverters
(zunächst Cuda, später Open CL).
Mindestanforderung:
Software
Aus dem oben Gesagten lassen sich
mehrere Grundregeln ableiten, die
eine Software erfüllen muss, damit
sie sinnvoll beschleunigt werden
kann. Zunächst einmal muss sich
die Aufgabe des Programms in einen
Algorithmus pressen lassen,
den auch eine GPU ausführen kann.
Zudem muss ausreichend Daten-
Parallelität vorhanden sein, sodass
auch Tausende von Recheneinheiten
einer GPU genutzt werden
können. Damit die Transferzeiten,
also das möglicherweise mehrfach
nötige Hin-und-her-Schieben der
Daten, die Gewinne in der reinen
Rechenzeit nicht auffressen, muss
der Anteil Letzterer an der Gesamtlaufzeit
möglichst groß sein. Hier
schlägt auch das Problem zu, dass
in manchen Aufgabenstellungen
zwar eine effiziente Arbeit von
GPUs möglich wäre, die Größe der
Datenfelder für Heimanwender
aber schlicht nicht ausreichend ist,
um die Transferlatenz auszugleichen.
Im professionellen Bereich
dagegen, zum Beispiel in der Forschung
oder auf Supercomputern,
die grundsätzlich gleichen Kernel
so lange rechnen, lohnt es sich
eben doch, solche Berechnungen
auf eine GPU auszulagern.
III
IV
Host
Host
Kernel -
zeit
Ergebnis
Zeit
Kernelzeit
Einsparung
Ergebnis
Einsparung
Mindestanforderung:
Hardware
Wenn man denn ein Programm
gefunden hat, welches sinnvoll
durch zusätzliche Prozessorkraft
beschleunigt werden kann, muss
noch ein geeigneter Rechenknecht
vorhanden sein. In fast allen Fällen
handelt es sich dabei um einen Grafikprozessor,
der sich durch seine
parallel arbeitenden Rechenwerke
besonders für diese Aufgabe eignet
46
PC Games Hardware | 08/14
www.pcgameshardware.de