Boosten Sie Ihr Cluster mit Tesla S1070 GPU-Computing-Systemen oder Tesla M1060 Prozessoren. Erleben Sie die Supercomputing-Leistung eines großen Clusters mit einem kleinen Cluster mit Tesla Prozessoren. Tesla-basierte Cluster sind energie- und platzsparend und liefern dabei bis zu 30-mal mehr Leistung als entsprechende CPU-Cluster. Die vorkonfigurierten Tesla Lösungen mit innovativer paralleler NVIDIA CUDA™ Berechnungsarchitektur und 240 parallelen Recheneinheiten pro Tesla Prozessor übertreffen Ihre kühnsten Erwartungen im Bezug auf Leistung pro Watt, damit Sie die anspruchsvollsten Berechnungen schneller durchführen können.
SUPERCOMPUTING-LEISTUNG– Innovative CUDA Architektur
– Bis zu 960 Recheneinheiten und 4 Teraflops Leistung in 1U-Konfiguration. Massiv-parallele Rechenleistung – 30fache Rechenleistung eines Standard-Clusters |
ENERGIE- und KOSTENSPAREND– Supercomputing-Leistung mit einem
kleinen Cluster – Kleinere Cluster benötigen weniger Strom und weniger Kühlung |
DIREKT EINSATZBEREIT– „Schlüsselfertiges“ Cluster mit
vorinstallierter Software – Programmieren in C für Windows oder Linux – Weltweit im Handel verfügbar |
Mit „GPU-Computing“ (wörtl.: Grafikprozessorberechnungen) ist die Verwendung von Grafikprozessoren für allgemeine wissenschaftliche und technische Berechnungen gemeint.
Beim GPU-Computing werden eine CPU und ein Grafikprozessor gemeinsam für heterogene Berechnungen eingesetzt. Der sequenzielle Teil der Anwendung läuft auf der CPU und der rechenintensive Teil auf dem Grafikprozessor. Aus Sicht des Benutzers läuft die Anwendung dadurch schneller, da die Verwendung des leistungsstarken Grafikprozessors die Ausführung beschleunigt.
Der Entwickler der Anwendung muss diese so modifizieren, dass die rechenintensiven Kernels dem Grafikprozessor zugeordnet werden. Die übrigen Teile der Anwendung verbleiben auf der CPU. Dass eine Funktion dem Grafikprozessor zugeordnet wird, beinhaltet auch, sie so umzuschreiben, dass die Parallelität in der Funktion offengelegt wird, und C-Schlüsselwörter zum Verschieben von Daten vom und zum Grafikprozessor hinzuzufügen.
GPU-Computing wird durch die massiv-parallele Architektur der NVIDIA-Grafikprozessoren, bekannt als CUDA-Architektur, möglich gemacht. Die CUDA-Architektur besteht aus Hunderten von Prozessorkernen, die im Verbund wirken, um die in der Anwendung abgelegten Daten zu verarbeiten.
Der Grafikprozessor der Tesla-10-Serie gehört zur zweiten Generation der CUDA-Architektur mit Funktionen, die für wissenschaftliche Anwendungen optimiert wurden. Solche Funktionen sind unterem Hardwareunterstützung mit doppelt genauen Gleitkommaberechnungen nach dem IEEE-Standard, lokale Datencaches in Form eines über den Grafikprozessor verteilten gemeinsam genutzten Speichers und Zugriffe auf miteinander verbundene Speicher.
Erfahren Sie mehr zu einer individuellen GPGPU-Lösung.
