سیستم عامل CAD / GIS باید به GPU برود

ما که از کاربران برنامه های گرافیکی هستیم همیشه انتظار داریم که رایانه ها دارای حافظه کاری کافی باشند. در این ، برنامه های CAD / GIS همیشه بر اساس زمانی که برای انجام فعالیتهای روزانه صرف می شود مورد س questionال یا سنجش قرار می گیرند مانند:

• تجزیه و تحلیل فضایی
• تصحیح و ثبت تصاویر
• استقرار داده های عظیم
• مدیریت داده ها در یک پایگاه داده ژئواست
• خدمات داده

رایانه های سنتی در سالهای اخیر تغییرات زیادی در رم، هارد دیسک، حافظه گرافیکی و ویژگی هایی که افزایش یافته است، بسیار تغییر نکرده است. اما منطق عملیات پردازنده اصلی طراحی خود را حفظ کرده است (به همین دلیل است که ما او را پروتکل CPU می نامیم) این نیز یک ضرر است که با رشد توانایی تیم ها ، برنامه ها با طراحی خود برای استفاده از پتانسیل جدید ، انتظارات آنها را از بین می برند.

به عنوان مثال (و فقط مثال) هنگامی که کاربران دو در همان زمان تحت شرایط مشابه تجهیزات و داده ها، یکی اتوکد 2010 و یکی با میکرواستیشن V8i، بارگذاری تصاویر شطرنجی 14 قرار می گیرد، یک فایل parcelario خواص 8,000 و اتصال به یک پایگاه داده مکانی اوراکل، ما از خودمان سوال می کنیم:

چه کسی یکی از دو را دارد، به طوری که ماشین را نابود کند؟

پاسخ در نوآوری نیست ، بلکه به سادگی نحوه تهیه برنامه است ، زیرا این مورد در مورد AutoDesk Maya وجود ندارد ، که کارهای دیوانه کننده ای انجام می دهد و عملکرد بهتری دارد. راه بهره برداری از رایانه شخصی همین است (تاکنون در مورد این دو برنامه) ، و بر این اساس ما برنامه ها را ضبط می کنیم ، زیرا ما از آنها برای کار استفاده می کنیم و بسیار زیاد. بنابراین ، برخی از رایانه ها به عنوان رایانه های شخصی سنتی ، ایستگاه های کاری یا سرور شناخته می شوند. نه به این دلیل که آنها رنگ دیگری دارند ، بلکه به دلیل نحوه اجرای برنامه های پرمصرف در طراحی گرافیک ، پردازش ویدئو ، توسعه برنامه ، توابع سرور و در مورد ما ، عملکرد با داده های مکانی است.

CPU کمتر، GPU بیشتر

برجسته ترین در تغییرات اخیر که به معماری از رایانه های شخصی رخ داده است این واژه را ابداع GPU (واحد پردازش گرافیک)، برای پیدا کردن یک عملکرد کامپیوتر بهتر است، و روال بزرگ به کارهای کوچک به طور همزمان، دور زدن دولت از پردازنده (واحد پردازش مرکزی)، که ظرفیت کاری آن در بین انقلاب های دیسک سخت، حافظه RAM، حافظه تصویری و موارد دیگر (نه چندان دیگر).

کارت های گرافیک برای افزایش حافظه ویدئو ساخته نشده اند ، بلکه پردازنده ای را شامل می شوند که شامل صدها هسته طراحی شده برای اجرای فرایندهای موازی است. این آنها همیشه داشته اند (بیشتر یا کمتر) ، اما مزیت فعلی این است که این تولیدکنندگان برخی از معماری باز (تقریباً) را ارائه می دهند تا توسعه دهندگان نرم افزار بتوانند وجود کارت این قابلیت ها را در نظر بگیرند و از پتانسیل آن بهره ببرند. مجله PC در ژانویه از شرکت هایی مانند nVidia ، ATI و سایر شرکت های موجود در اتحاد نام می برد از OpenCL

برای درک تفاوت بین CPU و GPU، در اینجا من اشاره به یک شبیه سازی:

CPU، همه متمرکز استاین مانند یک شهرداری با همه چیز متمرکز است که دارای برنامه ریزی شهری است ، می داند که باید رشد خود را کنترل کند اما حتی قادر به نظارت بر ساخت و سازهای جدید نیست که هنجارها را نقض می کند. اما او به جای اعطای این خدمات به شرکت های خصوصی ، اصرار دارد که این نقش را بپذیرد ، مردم نمی دانند از همسایه که پیاده رو می گیرد از چه کسی شکایت کنند ، و شهر همچنان هر روز بی نظم تر می شود. 

با عرض پوزش، در مورد شهردار خود صحبت نکرده اید، فقط در مورد یک تقلید از CPU صحبت کردید، جایی که این واحد پردازش مرکزی (در مورد ویندوز) باید تیم را در فرآیندهای مانند:

• برنامه هایی که با شروع ویندوز اجرا می شوند ، مانند Skype ، Yahoo Messenger ، Antivirus ، Java Engine و غیره همه بخشی از حافظه فعال را با اولویت کم مصرف می کنند اما غیر ضروری هستند مگر اینکه توسط msconfig اصلاح شده باشند (که برخی از آنها چشم پوشی می کنند).
• سرویس هایی که در حال اجرا هستند ، بخشی از ویندوز هستند ، برنامه های استفاده مشترک ، سخت افزار متصل یا سایر مواردی که نصب نشده بودند اما همچنان در حال اجرا هستند. اینها معمولاً دارای اولویت متوسط ​​/ زیاد هستند.
• برنامه هایی در حال استفاده که با اولویت بالا فضا را مصرف می کنند. ما سرعت اعدام آنها را در کبد خود احساس می کنیم ، زیرا اگر آنها علی رغم داشتن تیمی با عملکرد بالا این کار را سریع انجام ندهند ، نفرین می کنیم. 

و اگرچه ویندوز قصد دارد آن را انجام دهد، مانند اجرای بسیاری از برنامه ها بدون نیاز به نصب، نصب و یا حذف، موضوعات غیر ضروری که دیده می شوند پینتونی ها، آنها ما را به سوء استفاده از تجهیزات گناه می کنند.

پس از آن اتفاق می افتد، زمانی که ما یک فرآیند از آنهایی که در ابتدا ذکر شد شروع می کنیم، پردازنده نارگیل ورشکسته در اولویت قرار دادن این برنامه نسبت به سایر برنامه های مورد استفاده است. چند گزینه شما برای بهینه سازی ، حافظه RAM ، حافظه ویدئویی (که اغلب به اشتراک گذاشته می شود) است ، اگر کارت گرافیک وجود دارد ، چیزی از آن خارج کنید ، بسته به نوع هارد دیسک و چیزهای دیگر ، ناله تأسف انگیز می تواند کمتر باشد.

GPU، فرآیندهای موازی مثل این است که شهرداری تصمیم بگیرد چیزهایی را که از دسترس آن خارج است ، غیر متمرکز ، واگذار کند یا خصوصی کند که اگرچه فرایندهای بزرگی است اما در کارهای کوچک تحویل داده می شود. بنابراین ، بر اساس مقررات فعلی ، به یک شرکت خصوصی نقش نظارت بر تخلفات قابل مجازات را به روشی خاص داده می شود. در نتیجه (فقط مثال)، شهروند می تواند این لذت خوشمزه را از گفتن دنده ها به همسایه ای که سگ را بیرون می برد تحمل کند گریه در پیاده رو خود ، که با گرفتن بخشی از پیاده رو دیوار می کشد ، ماشین خود را به طور نامناسب پارک می کند ، و غیره این شرکت پاسخگوی تماس است ، به محل می رود ، عمل را پردازش می کند ، آن را به دادگاه می کشد ، جریمه را اجرا می کند ، نیمی از آن به شهرداری می رود ، دیگری تجارت سودآوری است.

این که چگونه پردازنده گرافیکی کار می کند، برنامه ها می توانند طراحی شوند به طوری که آنها فرایندهای عظیم را با یک روش معمول ارسال نمی کنند، اما آنها به طور موازی با روال های کوچک فیلتر شده حرکت می کنند.  آه! فوق العاده!

تا کنون ، بسیاری از برنامه ها با این ویژگی ها برنامه های خود را اجرا نمی کنند. بیشتر آنها ، آنها برای دستیابی به مشکلات کندی آرزو دارند که به 64 بیت برسند ، اگرچه همه ما می دانیم که دون بیل گیتس با بارگذاری موارد غیرضروری روی نسخه های بعدی ویندوز ، همیشه در این ظرفیت ها قدم برمی دارد. استراتژی ویندوز شامل استفاده از GPU از طریق API هایی است که برای کار بر روی DirectX 11 طراحی شده است ، که مطمئناً گزینه دیگری خواهد بود که همه (یا اکثر آنها) آن را می پذیرند زیرا آنها آن را به جای انجام کارهای دیوانه وار برای هر مارک خارج از OpenCL به عنوان یک استاندارد ترجیح می دهند.

نمودار یک مثال را نشان می دهد ، که نشان می دهد چگونه پردازنده nVidia از طریق GPU بین سال 2003 و 2008 انقلابی در توانایی های خود در مقایسه با پردازنده اینتل ایجاد کرده است. همچنین توضیحات دودی از تفاوت

اما پتانسیل GPU وجود دارد ، امیدوارم که برنامه های CAD / GIS آب لازم را بدست آورند. قبلاً شنیده شده است ، اگرچه برجسته ترین مورد d است
e Manifold GIS ، با کارتهای CUDA ، از nVidia ، که در آن یک فرایند تولید مدل زمین دیجیتال که بیش از 6 دقیقه به طول انجامید ، فقط در 11 ثانیه با بهره گیری از وجود کارت CUDA اجرا شد. دود آنچه باعث آنها شده است پیرو Geotech 2008.

در نتیجه:  ما برای GPU برویم، ما مطمئنا در دو سال آینده شاهد خواهیم بود.