Embed Size (px)
Citation preview
GPU در پردازش ابری
علیرضا کریمی
علوم و تخقیقات شاهرود
چکیده
از مباحث به روز در فناوری هستند. هر دوی این فناوری ها ، قدرت باال،انعطاف پذیری زیاد و هزینه GPGPUپردازش ابری و
پایین تر نسبت به را حل های عمومی ارائه می دهند. فناوری ابر به عنوان یک تکنولوژی برای مدیریت و ذخیره سازی داده و
نیز به عنوان یک کمک پردازشگر GPUود را به خوبی نشان داده. همچنین در دسترس بودن قدرت محاسباتی در زمان نیاز ، خ
برابر سرعت محاسبات را افزایش داده. در این گزارش ابتدا 011در انجام محاسبات خاص بسیار موثر بوده و حتی تا CPUبرای
ارائه Nvidiaپانی های مانند پردازش ابری و پردازنده های گرافیکی معرفی شده و سپس فناوری هایی در این حوضه که توسط کم
شده اند بررسی می شود.
GPU،Cloud،Gpu inپردازنده های گرافیکی،پردازش ابری،پردازنده های گرافیکی در پردازش ابری، کلمات کلیدی :
Cloud،Cuda،Cuda in cloud
مقدمه
دسترس بودن قدرت محاسباتی در زمان نیاز ، فناوری ابر به عنوان یک تکنولوژی برای مدیریت و ذخیره سازی داده و همچنین در
خود را به خوبی نشان داده.
GPU نیز به عنوان یک کمک پردازشگر برایCPU برابر سرعت 011در انجام محاسبات خاص بسیار موثر بوده و حتی تا
محاسبات را افزایش داده.
، انعطاف و قدرت پردازش ابری را با Gpu+Cloudداشته. استفاده این دو فناوری در کنار یکدیگر مزایای بسیاری را به همراه
ترکیب کرده. ترکیب این دو فناوری نحوه تعریف یک مشکل و پاسخ به آن را به کلی تغییر داده. GPUقدرت محاسباتی باالی
ه ر این گزارش بپردازش ابری واژه خاصی است چون در مکالمات معموال به هر نوع سرویس بر پایه شبکه گفته می شود ولی د
است. از پیشگامان در این زمینه "محاسبات در زمان درخواست از طریق سرویس دهندهای مجازی"معنای
AmazoonElastic،RackSpace،MicrosoftAzure هستند . اگز نیاز به سرویس های بیشتری برای یک وب سایت و یا
د مورد نیاز خود را خرید کرده و در چند دقیقه نیازتان براورده می شود.پایگاه داده ای بزرگتر دارید فقط کافی است ز آن ها موار
Cloud+GPUچرا
ابر رایانه برتر جهان 011دالر یک ابر رایانه که در لیست 01سال قبل کسی به شما می گفت می توانید در ازای ساعتی 01اگر
این کار امکان پذیر کرده است. ابتدا به شکل Cloud+GPUناوری است را اجاره کنید قطعا حرفش را باور نمی کردید. ولی اکنون ف
نگاه کنید و تاریخچه قدرت محاسباتی در دسترس افراد را بررسی کنیم. البته توجه داشته باشید که توان محاسباتی که در دسترس 0
محاسباتی در دست اشخاص یک شخص است به مراتب کمتر از یک سازمان بزرگ است. همانطور که در شکل مشخص است توان
مرتبا در طول تاریخ در حال افزایش بوده و اکنون به اوج خود رسید. شگفت انگیز آنکه هزینه دسترسی به این توان محاسباتی به
.طور معکوش کاهش یافته است
ما را قادر به حل کردن مشکالت بسیاری مانند داشتن یک بازی با گرافیک باال در وب ، بازار سهام می Cloud+Gpuفناوری
نماید.این فناوری جدید مرز های دانش و فناوری را گسترش داده و ما اکنون قادر به حل سریع مسائل و همچنین پیدا کردن
و با هزینه بسیار کم در دسترس است هستیم. مشکالت مهمتر از طریق این توان محاسباتی باال که همیشه
فناوری ابر به عنوان یک تکنولوژی برای مدیریت و ذخیره سازی داده و همچنین در دسترس بودن قدرت محاسباتی در زمان نیاز ،
خود را به خوبی نشان داده.
GPU نیز به عنوان یک کمک پردازشگر برایCPU برابر سرعت 011بوده و حتی تا در انجام محاسبات خاص بسیار موثر
محاسبات را افزایش داده.
، انعطاف و قدرت پردازش ابری را با Gpu+Cloudاستفاده این دو فناوری در کنار یکدیگر مزایای بسیاری را به همراه داشته.
ه. ا به کلی تغییر دادترکیب کرده. ترکیب این دو فناوری نحوه تعریف یک مشکل و پاسخ به آن ر GPUقدرت محاسباتی باالی
ما در جهانی زندگی میکنیم که سرعت حرف اول را در آن می زند خواه حتی خریدن تلفنی یک پیتزا باشد ما انتظار داریم خریدمان
در کمترین زمان و با حداقل هزینه به دست ما برسد. شرکت های ارائه دهنده خدمات نیز سعی در براورده کدن همین خواسته
دارند.
Gpu+Clod چیست
Cloud+Gpu ترکیبی از دو فناوری ابر و پردازنده های گرافیکی است. فناوری ابر به کلی نحوه ارائه سرویس های در زمان
درخواست توسط مراکز داده را با کاهش هزینه ها و انعطاف پذیری باال تغییر داده. پردازنده های گرافیکی نیز به عنوان یک کمک
Cloudو Gpuنقش موثری در حل بسیاری از مسائل موازی سازی ایفا کرده. نتیجه این فناوری ، ترکیب Cpu پردازنده در کنار
در کنار هم و داشتن فناوری بودهکه مزایای هر دو را با هم دارد.
مزایای پردازش ابری
نیازی به هزینه برای دشتن تجهیزات گران قیمت ندارید.
هزینه استفاده پایین.
محدود و انعطاف پذیری برای تقاضا ظرفیت نا
فراوانی
مدیریت آسان
دسترسی آسان از طریق اینترنت
از منظر پردازنده های گرافیکی ، پردازش ابری مزایای دیگری نیز دارد
دسترسی به آخرین فناوری های پردازنده های گرافیکی با کمترین قیمت
داشتن چند پردازنده گرافیکی در هر ابر
باال سرعت بسیار
قدرت انتخاب باال.
پردازنده های گرافیکی
را از CPUهسته بوده که پردازنده های اصلی ، 8یا 4یا 3دو نوع پردازنده وجود داشت. نوع اول پردازنده های با 3112از سال
را از این نوع می ساختند. از نوع اول GPUاین نوع می ساختند و نوعی دیگری که با تعداد بسیار زیاد هسته های کوچک بوده و
نخ پشتیبانی می کند هر 3هسته فیزیکی است همچنین هر هسته از اجرای همزمان 8نام برد که دارای core i7می توان پردازنده
ترتیبی بسیار دارد.این نوع پردازنده برای انجام اعمال x86کدام از این هسته ها توانایی اجرای نا منظم مجموعه کامل دستورات
Nvidiaمناسب هستند. نوع دوم داری تعداد بسیار زیاد هسته است که مناسب برنامه های موازی است از این نوع می توان به
Geforce GTX 280 هسته گرافیکی است، هرکدام از این هسته ها توانایی اجرای چندین نخ ، منظم 341اشاره کرد که شامل
0 هسته دیگر به اشتراک می گذارند. در شکل 7ا دارند و هرکدام کنترلر و کش دستوری خود را با بوده و اجرای یک دستور ر
برابر رسیده. 01نشان داده شده همانطور که مشاهده می شود اکنون فاصله این دو به GPUو CPUمقایسه توان محاسبه اعشاری
1 شکل
( . طراحی 3ی این دو پردازنده نهفته است)شکل وجود دارد در معمار GPUو CPUکه بین کارایی دلیل اختالف بسیار زیادی
CPU .برای اجرای ترتیبی کدهاست و کنترل منطقی بسیار خوبی برای اجرای تریبی دستورات نخ ها و در نتیجه اجرای برنامه دارد
ورات از حافظه اصلی به پردازنده را به حداقل می رساند.همچنین کش زیاد آن تاخیر مورد نیاز برای انتقال داده و دست
2 شکل
نیز پشتیبانی می کند مشاهده می نمایید. این پردازنده در ارایه CUDAمعماری یک پردازنده گرافیکی جدید را که از 2در شکل
چریان چندپردازنده یک بالک را می 3شده. در این پردازند هر هایی جریان چند پردازنده ای و با تعداد نخ بسیار زیاد طراحی
سازند ولی این موضوع می تواند در پردازنده های مختلف ، متفاوت باشد. جریان های چند پردازنده ای از تعداد جریان پردازنده
تشکیل شده که کش دستوری و کنترلر منطقی مشترکی دارند.
3 شکل
تنها راه Nvidiaتوسط CUDAاین پردازنده ها برای حل مسائلی که با درصد باالیی موازی هستند استفاده می شود. قبل از معرفی
( تبدیل این مسائل ، به کارهای گرافیکی در سطح پایین بود GPGPUاستفاده از پردازنده های گرافیکی برای حل مسائل عمومی )
، نه تنها خود آن گسترس یافته و بهبود یافته بلکه راه حل هایی دیگری نیز Cudaت. بعد از معرفی که البته کار بسیار مشکلی اس
نمونه ای از این راه حل ها هستند. OpenCL ،DirectComputrبرای استفاده از قدرت پردازنده های گرافیکی ابدائء شده.
Nvidia در پردازش ابری
ناوری در ادامه به توضیح دو فبری را می توان به دو دسته کلس تفسیم کرد: بازی و تجاری. فناوری این شرکت در زمینه پردازش ا
nvidia در حوزه پردازش ابری می پردازیم
Nvida Grid Enterprise Virtualization
Nvidi grid به شرکت های بزرگ امکان می دهد پردازش های گرافیکی محیط های مجازی خود را ازCPU بهGPU .منتقل کرده
را به کاربران خود رائه دهند. pcها می تواند گرافیک بهتر و تجربه واقعی تری از کار با یک data Centerبا این کار مدیران
: ITمضایا برای
اضافه شده کاربران با قابلیت های گرافیکی باالتر به راه حل های مجازی
افزایش بهره وری کاربران
: مضایا برای کاربران
پاسخگویی مطلوب پنجره ها و یک تجربه خوب مالتی مدیا
3Dاجرای اکثر برنامه های سنگین مانند برنامه های
از هر مکانی و با هر دستگاهی می توان به آن دسترسی داشت
Grid VGX Software
مانند توانایی های گرافیکی GPUیک مجموعه از فناوری های است که به راه حل های مجازی سازی بر پایه Grid VGXکتابخانه
را می دهد. این فناوری یک راه حل اقتصادی برای remoteو شتاب دهنده ها امکان رسانده جریان های داده hypervisorsدر
بهبود توانایی دسکتاپ های مجازی و برنامه هاست.
4 شکل
GRID VGX ENABLED HYPERVISORS : فناوری کلیدی در راه حل هایGrid مجازی سازی ،GPU .استGRID VGX
ENABLED HYPERVISORS اجازه دسترسی بهGrid K1 وK2 را در یک محیط مجازی می دهد. همچنین با مدیریت منابع
GPU .امکان استفاده مشترک چندین کاربر از یک منبع سخت افزاری را فراهم می کند
GRID VGX ENABLED VIRTUAL DESKTOPS : یک دسکتاپ مجازی که در یکdatacenter راه دور وجود دارد به یک
به دسکتاپ Grid VGXبسیار سریع برای نمایش یک تجربه نزدیک به رایانه های معمولی به کاربر ، نیاز دارد. remoteفناوری
، ضبط و کد کرد و با این کار تاخیر را به VGX Gpu های مجازی این امکان را می دهد که جریان راه دور خود را مستقیما در
شدت کاهش دهند.
5 شکل
GPU Grid :Nvidia Kepler که روی بورد هایGrid K1 وK2 قرار دارد به طور خاص برای محیط های مجازی طراحی
شده.
GPU Virtualization : قابلیت های بوردGrid به همراه معماریKepler برای نخستین مرتبه اجازه مجازی سازی سخت ،
رابه اشتراک گذاشته، قابلیت های این کاربران GPUرا می دهد. با این کار تعداد کاربران بیشتری می توانند یک GPUافزار در
نیز افزایش می یابد. PCافزایش یافته در حالی که کارایی
Low-Latency Remote Display :Nvidia تکنیک جدید را برای کاهشlag حس شده توسط کاربر زمان محاوره با ماشین
منتقل می شود. remotمجازی ابداء کرده.با این فناوری ، صفحه دسکتاپ مجازی مستقیما به پروتکل
H.264 Encoding :Kepler Gpu به همراه یک موتور رمزگذاریH.264 ای همزمان با کیفیت قابلیت رمزگذاری جریان ه
را از توابع رمزگذاری آزاد کرده و به CPUبسیار باال را می دهد. این یک جهش بسیار خوب در سرور های ابر است. این فناوری
را می دهد. GPUاین توابع امکان تطبیق با تعداد زیاد هسته های
Maximum User Density : بوردهایNvida Grid برای داشتن چندGPU طراحی شده و در نتیجه می توان حداکثر کاربران
را داشت.
Power Efficiency :Grid Gpu به همراهSMX برای به حداقل رساندن انرژی مصرفی درdatacenter .ها طراحی شده
مصرفی بوده. wattنتیجه این فناوری یک انقالب در کارایی گرفته شده در هر
34/7 Reliability : بوردهایGrid روز هفته آزمایش شده و نتایج موفقییت آمیزی داشته اند . 7ساعته در هر 34برای کار
را مشاهده می نمایید. k2و k1مشخصات بورد های 0در شکل
6 شکل
Cloud Gaming
فناوری جریان های بر پایه ابر با رساندن حجم بی پایانی از محتوا به دستگاه های کاربران مانند تلفن های هوشمند ، رایانه ها ،
Tablet ،TV .هم اکنون میلیون ها کاربر تجربه استفاده از سرویس هایی مانند صنعت فیلم و موزیک را به کلی متحول کرده است
NetFlix ر نتیجه صنعت بازی سازی نیز تمایل به داشتن سهمی از این بازار رو به رشد دارد. را دارند. دNvidia با توجه به تجربه
قوی که در گرافیک بازی ها و عملکردهای گرافیکی دارد اقدام به ساختن راه حلی برای بازی سازها نمود.
GAASدیگر نیاز به کنسول ندارید :
Nvidia Grid س بازی در زمان در خواست است و مزایای بسیاری نسبت به کنسول های بازی سنتی دارد.پایه ای برای سروی
PC،Mac،SmartPhone،Tablet،TVبازی روی هر دستگاهی : کیفیت باال ، تاخیر پایین ، بازی روی هر دستگاهی مانند
دسترسی دارید ، می توانید بازی خود را در ابر دسترسی بسیار آسان : در هر مکانی و با هر دستگاهی به مجموعه ای عظیم از بازی
ذخیره و در هر کجایی و با هر دستگاهی آن را ادامه دهید.
سادگی : نیاز به سخت افزار جدید ندارید. نیاز به نصب های پیچیده نیست . نیاز به دیسک بازی ندارید.
یک سرویس بازی ابری ارساخت
Nvidia .برای سال ها سازنده برترین فناوری ها برای بازی سازها بوده و همچنین سازنده بزرگترین ابر رایانه های جهان نیز بوده
Nvidai Grid از همان فناوری ها برای رندر یک بازی در ابر و هزاران موتور که برای داشتن یک سیستم بسیار قوی گذاشته شده
استفاده می کند.
7 شکل
ویژگی ها :
را همزمان پخش HDبازی 23می تواند تا Nvidia، هر سرور GPUکاربران هم زمان بیشتر : با استفاده از فناوری شبیه سازی
نماید.
کمتر باشد.بازی همرزمان اجرا می شود می توان انتظار داشت وات مصرفی به ازاء هر بازی 23مصرف برق بهینه : با توجه با اینکه
Nvidia VGX Hypervisor با مدیریت منابع :GPU اجازه می دهد چندین کاربر یک سخت افزار را به اشتراک بگذارند ، هنچنین
را به کاربر ارائه می دهد. PCیک تجربه همانند
است. Localی در یک رایانه کاهش یافته.در نتیجه بازی در آن هماند باز 30msتاخیر سرور بازی تا Nvidia Gridتاخیر کم :با
Penguin در پردازش ابری
را به سرویس Tflops 8با nvidia tesla، سیستم کالستری مانند GPUبرای اضافه کردن قابلت های پردازش Penguinشرکت
تا 2حافظه اصلی و intel Xenon ،24GBهسته 4اضافه کرده .گره های این کالستر شامل دو پردازنده PODابری خود
حافظه اصلی بر کارت را در ساعت تامین می کند. 12GBپردازنده گرافیکی و 731است که در کل Tesla C1060گرافیکی
RealityServerارائه می دهد. RealityServerرا بر اساس high-Performanceاین شرکت همچنین سرویس های پردازش
RealityServerبا کیفیت باال در وب است. 3Dبرای طراحی تصاویر nvidiaه به وسیله یک پلت فرم نرم افزاری ساخته شد
یک پلت فرم بسیار قدرتمند در وب است که اجازه ساخت برنامه های گرافیکی محاوره ای با گرافیک بسیار باال مبتنی بر وب را
می دهد.
ورود و خروج مجموعه داده های از طریق اینترنت است که در یکی از مشکالت در پردازش ابری ، پهنای باند مورد نیاز برای
استفاده می شود و گاها حجم بسیار باالیی دارد. برای انتقال داده های با حجم بیشتر از High-Performanceپردازش های
250GB 2این شرکت سرویسی را پیشنهاد می دهد که تاTB ه منتقل می کند.داده را از طریق یک ارتباط ماهواره ای شبان
Peer1 نیز یکی دیگر از شرکت های ارائه دهنده خدمات هاستینگ و ابر است. این شرکت همچنین دو نوع پردازشCUDA میتنی
. سرور های این شرکت همچنین m2050GPUو دیگری Nvidia S1070 GPUبر ابر را ارائه می دهد. یکی بر پایه پردازنده
بانی می کنند.نیز پشتی RealityServerاز
Amazoon در پردازش ابری
( مجموعه ای از سرویس هاست که ما در این گزارش دو تا از انها را که با موضوع ما در ارتباط AWSسرویس های وب آمازون )
هستند بررسی می کنیم.
0- Amazoon S3 Storage
3- Amazoon EC2 Elastic Compute
Amazoon Simple Storage Service (S3)
ن امازو سرویس از طریق اینترنت ارائه می شود و مانند تمام سرویس های ابری دیگر انعطاف پذیر و قابل اطمینان است.این
اطالعاتی از نحوه کار این سرویس ارائه نداده . ظاهرا کار باید به این صورت باشد که داده ها به صورت اشیاء در واحدی به نام
و ابر داده 0TBتا می توان شیء داده ای ها توسط یک حساب نگهداری می شوند. ظرفاین ذخیره می شوند و هرکدام از ”ظرف“
به هر شیء به وسیله یک کلید یکتا که معرف نام ظرف آن شیء نیز شیء را در یک ظرف جای داد.برای آن KB 2ای به اندازه
قابل یافتن و دستیابی است. HTTPهست تخصیص می یابد. فرمت این کلید به گونه ای است که از طریق یک لینک
Amazoon S3 API توانایی پذیرش هر دو نوع درخواستSOAP وREST-style HTTP .با استفاده از این را داردAPI می ،
فراهم است. BitTorrentهمچنین امکان دانلود داده ها با استفاده از پروتکل توان ظروف و اشیء را ایجاد و لیست نمود.
از طریق نگهداری یک لیست کنترل دسترسی برای هر شیء و هر ظرف تامیین می شود. S3دسترسی امن به داده ها در
دف ، برای دستیابی به این ه باید به داد های ذخیره شده در ابر دسترسی داشته باشد. ی کار کند،به درست Cloud+GPUبرای ینکه
این گره های به به نظر می رسد. ل در گره محاسباتیاتصلی با ظروف برقرار می شود و در نتیجه ظروف مانند جزئی از سیستم فای
گفته می شود. EC2محاسباتی
Amazon Elastic Compute Cloud (EC2)
EC2 باعث می شود متشین مجازی در مرکز داده به عنوان بخشی از پلت فرم ابریAWS .کنترل شود
یک محیط ماشین مجازی متن باز است که اجازه می دهد چندین سیستم عامل XEN نام دارد. XENفناوری کلیدی در این بخش ،
آمازون می شود. گپسول AMIتنظیمات ماشین مجازی ، در تصویر ماشین آمازون و یا به اختصار میهمان روی سرور اجرا شده.
ها را AMIاین ها را با ویژگی های سخت افزاری متنوع و سیستم های عامل مختلف در اختیار می گذارد. AMIطیف متنوعی از
ی توان م ورت نیاز آن ها را راه اندازی ، متوقف و یا تعلیق کرد.می توان ویرایش کرد یا به همان شکل استفاده کرد ، می توان در ص
گفته می شود. "نمونه "را اجرا کرد ، و به آن ها AMIتعداد زیادی
راه اندازی می شود دو نوع فضای ذخیره دارد. اولی یک والیوم نمونه است که به عنوان یک فضای ذخیره AMIزمانی که یک
است که اگر یک سیستم فایل وجود داشته باشد ، می توان آن Elastic Block Store(EBS)سازی موقت استفاده میشود و دومی
است. PCدر مانند درایو های هارد دیسک شما EBS . را نیز متصل کرد
همچنین برای دسترسی داشته باشد. S3نمونه ، می توند از طریق یک رابط سرویس دهنده دومی به فضای ذخیره سازی AMIیک
AMI های بر پایه لینوکس امکان اتصال فضای ذخیره سازیS3 .به عنوان یک فایل سیستم وجود دارد
در ابر استفاده شود. HPCخوشه های محاسباتی به عنوان بخشی از می دهد، امازون پیشنهاد AWSدر GPUاز به منظور پشتیبانی
ارائه می دهد: GPU AMIحال حاضر آمازون یک نمونه
• Cluster GPU Quadruple Extra Large AMI.
• 33GB RAM memory.
• 22.0 EC3 Compute Units (ECUs).
• 3 x NVIDIA Tesla “Fermi” M3101 GPUs.
• 0391 GB of local instance storage.
• 34-bit Linux (CentOS).
• 01 Gig ethernet.
روی ابر با کمترین قیمت و یا یک خوشه از گره های شتاب دهنده گرافیکی با شبکه GPUبا استفاده از این فناوری یک ابررایانه
ررایانه می توانید از اینترنت و یا فضای ذخیره سازی برای ارسال داده های به اب ای پر سرعت و با کمترین تاخیر در اختیار دارید.
S3 که در کنارEC2 .عالوه بر این ابر رایانه وجو د دارد استفاده نماییدGPU+Cloud شما به راحتی پیکربندی شده ، بسیار انعطاف
پذیر و ارزان است.
MatCloud: Accelerating Matlab Services via a Gpu Cloud
فناوری های محاسبات ابر به سرعت در حال افزایش است این فناوری روش جدیدی را برای تعامل با کابر نهایی ارائه استفاده از
زمان مورد نیاز برای ساختن یک برنامه کاربردی را بسیار EC2و Microsoft Azureپلت فرم های تجاری ابر مانند داده.
کاهش داده
Matcloud است که از ابتدا با هدف بهره مند سازی کاربر نهایی از آخرین فناوری های یک زیرساخت ابری و سرویسیGPU
به عنوان سرویسی در پردازش ابری را نشان داد، بلکه افزایش قابل Gpuبه دنبال آن نه تنها قابلیت های استفاده از ساخته شده.
MatCloudمیزان افزایش کارایی را در 7شکل نشان می دهد ، به نمابش گذاشت. 3مالحظه کارایی را همانطور که شکل
نسب شده نمایش می دهد. برای این مقایسه تمام اعمال پایه ای Pcکه به صورت عادی روی یک Matlabنسبت به یک برنامه
انجام شده و عملیات امتیاز دهی توسط برنامه های محتلف انجام شده. 2000*2000روش دو ماتریس
8 شکل
RealityServer
RealityServer 3پلت فرمی برای توسعه برنامه هایD 3و سرویس های وبD .است RealityServer اجازه تعامل
RealTime 3با داده هایD .می توان برنامه های زیر را را برای هرکسی که بایک مرورگر به اینترنت متصل است فراهم می کند
مثال زد:
محصولطراحی -0
on-Lineفروشگاه مجازی -3
شبیه سازی و بصری سازی داده های پزشکی -2
ناوبری -4
می تواند RealityServerطیف گسترده ای از کابران را در بر می گیرد. RealityServerبا توجه به عدم نیاز به کالینت قوی ،
پیاده سازی نماید. RealTimeبه صورت را به صورت تصاویر واقعی نمایش دهد، نور پردازی های متنوع را CADمدل های
تولید RealityServerرا نمایش می دهد برای هر کاربر راه دور به صورت جداگانه توسط 3Dجریان های ویدئویی که اشیاء
می شود و به دستگاهی که کاربر از طریق آن به سرور متصل است فرستاده می شود. کاربر می تواند با موبایل ، رایانه و یا تبلت
نمایی کلی از نحوه کار و ساختار 8شکل همچنین به وسیله برنامه کاربردی و یا یک مرورگر ساده با سرور در ارتباط باشد.
Reality Server یک نمونه از رندر با ای سرویس دهنده و به وسیله موتور 9همچنین در شکل ایش می دهد.را نمiray
نمایش داده شده.
9 شکل
ویژگی ها :
رندر در سمت سرور و ارسال نتیجه به کالینت -0
Gpuبر پایه iRayدر موتور رندر PODپشتیبانی از -3
برنامه های کاریردیرابط بر پایه وب برای -2
ساخته شده PODبه عنوان یک سرویس میزبان در RealityServerپلت فرم -4
مزایا
"RealTimeنزدیک به " 3Dکارایی بسیار باال با داده های -0
بصری سازی بسیار واقعی از طریق مرورگر و با هر کالینتی -3
”Pay-as-you-go“پرداخت هزیه بر اساس زمان استفاده -2
11 شکل
نتیجه گیری
فناوری ابری قابلیت های خود را اثبات کرده و شیوه جدیدی برای ارائه خدمات به کابر نهایی در سریعترین زمان و با حد اقل هزینه
است.همچنین رشاستفاده از پردازشگر های گرافیکی برای حل مسائل غیر گرافیکی نیز امروزه به سرعت در حال گست را بنیان نهاده.
استفاده از این پردازنده ها بسیار آسان شده. پردازنده های گرافیکی به واسطه ویژگی های خود در OpenCLو CUDAبا ایجاد
ترکیب این دو فناوری باعث شده کاربران همیشه و در همه جا به حل مسائل با درصد باالی داده های موازی بسیار کارا هستند .
قدرتمند با قیمت بسیار پایین دسترسی داشته باشند. این فناوری به سازندگان بازی و برنامه کاربردی در اینترنت امکان یک ابر رایانه
استفاده از پردازشگرهای گرافیکی برای برنامه های خود و داشتن یک گرافیک واقعی با کمترین سربار برای کالینت ها را داده. در
با یک تلفن هوشمند ساده بازی های با گرافیک بسیار باال را اجرا نمایید همچنین دیگر نگران به روز نتیجه کاربران می توانند حتی
دسترسی داشته باشند و در همه جا با دستگاه های GPUمی توانند به آخرین فناوری های 3Dطراحان رسانی سیستم خود نباشند.
خود کار خود را انجام دهند.
مراجع
[1] David B. Kirk ,Wen-mei W. Hwu: programming massively parallel processors, Elsevier,2010
[2] Andrew Sheppard: GPUs in the Cloud, O'Reilly,2013
[3] Yongpeng Zhang, Xing Wu, Frank Mueller: MatCloud: Accelerating Matlab Services via a
GPU Cloud, North Carolina State University
[4] Will Wade: Graphics in the Cloud,GTC2012
[5]http://www.nvidia.com
[6] http://www.penguincomputing.com/
