一、前言
GPU 集群的高性能次要归功于其大规模并行多核构造、多线程浮点算术中的高吞吐量，以及应用大型片上缓存显著缩小了大量数据挪动的工夫。咱们能够这样说：GPU 集群比传统的 CPU 集群具备更好的老本效益。GPU 集群不仅在速度性能上有微小飞跃，而且显著升高了对空间、能源和冷却的要求。基于 GPU 的并行集群零碎的各类产品遍布我国的生产，生存。本文将介绍 GPU 的并行集群的技术和其在我国的倒退情况。
二、GPU 集群
图形处理器 GPU 长于解决大规模密集型数据和并行数据，通用并行架构 CUDA 让 GPU 在通用计算畛域越来越遍及。
基于 GPGPU 的高性能计算次要利用与云计算吧，企业对老本以及效率的要求越来越高，随着产品的一直降级，越发的对横向和纵向都提出了更高的要求，横向要求平台化流程化自动化，纵向要求产品本身性能高端。
服务器的稳固十分重要，一旦呈现解体等重大异样，将对企业的利用生产和交付产生微小的影响。
治理 GPU 集群有助于实现最高的指标 GPU 利用率以及帮忙用户获得最佳性能。GPU 集群的构建采纳了大量的 GPU 芯片。在一些 Top500 零碎中，GPU 集群曾经证实可能达到 Pflops 级别的性能。
大多数 GPU 集群由同构 GPU 构建，这些 GPU 具备雷同的硬件类型、制作和模型。GPU 集群的软件包含操作系统、GPU 驱动和集群化 API，如 MPI。因为 GPU 集群的高性价比，高性能计算畛域中 GPU 集群的应用越来越广泛。
GPU 集群相较于 CPU 集群，可能在应用较少操作系统镜像的状况下失常工作。在电力、环境和治理复杂性方面的升高使得 GPU 集群在将来高性能计算利用中十分有吸引力因为 GPU 集群的高性价比，高性能计算畛域中 GPU 集群的应用越来越广泛，但 GPU 集群并行编程并没有一个规范的通信模型，绝大多数集群利用采取 CUDA+MPI 的办法实现，而 CUDA 和 MPI 编程都十分艰难，须要程序员理解 GPU 硬件架构和 MPI 消息传递机制，显式管制内存与显存、节点与节点间的数据传输。因而，对编程人员来说，GPU 集群并行编程仍是一个简单的问题。
三、GPU 的并行集群
目前很胜利的产品呈现在市场上，如：
1、Platform HPC 由 Platform Computing 公司开发，旨在让技术应用程序的用户可能轻松利用 GPU 高性能计算集群的解决能力和扩大能力。
2、Bright Cluster Manager 是一款齐全集成的解决方案，用于部署、测试、提供（provisioning）、监控以及治理 GPU 集群。凭借 Bright Cluster Manager，集群管理员可能同时轻松装置和治理多个集群。
3、PBS Professional 是 Altair 公司的 EAL3+ 平安认证商用级高性能计算工作负荷治理解决方案。PBS Professional 是所有 PBS Works 解决方案的根底，让开发者可能轻松创立智能政策，以治理分布式多厂商计算资产。
4、Bright Cluster Manager 是一款齐全集成的解决方案，用于部署、测试、提供（provisioning）、监控以及治理 GPU 集群。凭借 Bright Cluster Manager，集群管理员可能同时轻松装置和治理多个集群。
5、Ganglia 是一款开源可扩大分布式监控零碎，用于集群与网格（Grid）等高性能计算零碎。该零碎通过了精心的工程设计，可让每个节点实现极低的零碎总开销以及极高的并发性。Ganglia 目前已使用在寰球数以千计的集群当中，该零碎能够扩大，可能解决具备数千个节点的集群。
6、吉浦迅科技与英伟达（NVidia）、惠普（HP）独特单干推出 的 HP GPU Starter Kit 超算集群测试环境，提供最高四节点 /8-GPU/4096 核，浮点计算能力高达 10 万亿次的测试环境，针对国内高校、科研单位可能疾速体验超强的运算速度。
四、结束语
GPU 集群比传统的 CPU 集群具备更好的老本效益。GPU 集群不仅在速度性能上有微小飞跃，而且显著升高了对空间、能源和冷却的要求。搭建 CPU-GPU 集群并行计算平台，集群中每个计算节点都以 CPU 为主处理器 GPU 为协处理器，将并行数值计算局部由 GPU 实现，其余操作由 CPU 实现。这种技术曾经以后行业的必然倒退方向，高性能计算畛域中 GPU 集群的会越来越广泛，为咱们的生产，生存带来更好的方向。