مقاله - زماني براي مرگ CPU

واضح آرشیو وب فارسی:سایت رسیک: وقتي شرکت اينتل پردازنده‏هاي 32 نانومتري خود را با نام رمز Westmere عرضه كرد و از فشرده‏ترين و کارآمدترين هسته‏هاي پردازنده که تا به حال توليد شده است استفاده نمود، ممکن است تصور كرده باشيد به اوج فناوري محاسبه رسيده‏ايم. مطمئناً اينتل CPUهاي جديد خود با اين هدف عرضه مي‏کند که قلب سيستم‏‏هاي کامپيوتري نسل آينده باشند. اما همه بر سر اين موضوع اتفاق نظر ندارند.

زماني براي مرگ CPU
نويسنده: دارين گِراهام اِسميت
مترجم: احمد شريفي-
وقتي شرکت اينتل پردازنده‏هاي 32 نانومتري خود را با نام رمز Westmere عرضه كرد و از فشرده‏ترين و کارآمدترين هسته‏هاي پردازنده که تا به حال توليد شده است استفاده نمود، ممکن است تصور كرده باشيد به اوج فناوري محاسبه رسيده‏ايم. مطمئناً اينتل CPUهاي جديد خود با اين هدف عرضه مي‏کند که قلب سيستم‏‏هاي کامپيوتري نسل آينده باشند. اما همه بر سر اين موضوع اتفاق نظر ندارند.

در حالي که اينتل مشغول جلب مشتري براي Westmere است، شرکت Nvidia خود را آماده مي‏کند که سخت‏افزار گرافيکي جديد خود را با نام رمز Fermi به بازار عرضه نمايد و در عين حال وعده مي‏دهد که نه تنها به روياهاي نسل بعدي تحقق بخشد؛ بلکه با قدرت محاسباتي پردازنده هاي سنتي نيز رقابت کند و حتي آنها را تحقير نمايد. در ظاهر به نظر مي‏رسد که اين امر به طرز محالي جاه‏طلبانه باشد. اما Nvidia استدلال‏هاي فني متقاعدکننده‏اي در دفاع از آن دارد و اثبات مي‏کند که قدرت GPU اکنون مي‏تواند براي اموري فراتر از بازي‏هاي رايانه‌اي مورد استفاده قرار گيرد. آيا سال 2010 سالي خواهد بود که در آن CPU تحت‏الشعاع سخت‏افزار گرافيکي قرار مي‏گيرد؟

از CPU فاصله بگيريد
CPUهاي فوق‏العاده قوي که معمولاً در کامپيوترهاي جديد يافت مي‏شوند در واقع براي اکثر کاربردهاي اداري و اينترنتي لازم نيستند. بله، اگر مي‏خواهيد پايگاه داده بزرگي از اعداد را به سرعت پردازش کنيد يا يک فيلم داراي وضوح بالا را ويرايش نماييد، يک CPU پرسرعت به شما کمک خواهد کرد. اما ظهور پديده‌اي چون نِت‏بوک به ما ياداوري مي‌كند که براي بسياري از امور روزمره پردازنده‏اي به ارزاني و سادگي Intel Atom واقعاً کافي است.

با اين وجود، نت‏بوک‏هاي مبتني بر پردازنده Atomمعمولاً از لحاظ تصويري رضايت‏بخش نيستند. آنها براي بازكردن و نمايش فايل‏هاي رسانه‏‏اي داراي وضوح بالا از قدرت پردازش کافي برخوردار نيستند. در مورد بازي‏هاي جديد که اصلاً جاي بحث نيست. Nvidiaبر اين باور است که مي‏توان با ترکيب يک پردازنده Atom سبک وزن و يک GPU مجزا که مخصوص اين امور است از قابليت‏هاي هر دو سخت‏افزار به بهترين نحو استفاده کرد.

در مارس سال 2009، اين شرکت چنين ترکيب سخت‏افزاري را تحت عنوان Ion به بازار عرضه کرد. بِن بِراندو، مدير بازاريابي اين شرکت اظهار مي‏کند که «Ion فيلم‏هايي مانند فيلم‏هاي آنلاين يوتوب يا هولو را که با فلش 10.1 نمايش داده مي‏شوند [از طريق يک سيستم Atom] به فيلم‏هاي داراي وضوح و تفکيک بالا تبديل مي‏کند و از بازي‏هاي محبوبي همچون The Simsو World of Warcraft پشتيباني مي‏کند.» بسياري از صاحب نظران نيز تحت تأثير قابليت‏هاي گرافيکي سيستم‏هاي کم‏توان مبتني بر Ion از جمله نت‏بوک Samsung N510 و نِتتاپ Asus Eee Box EB1501 قرار گرفته‏اند.

به آساني مي‏توان تصور کرد که در آينده CPU ممکن است با وجود يک سخت‏افزار گرافيکي که مدل‏هاي مختلف را به طور قابل توجه‏تري از هم متمايز مي‏کند، در اين بخش از بازار تقريباً از بحث خارج شود.
GPU همه منظوره اما اين موضوع تنها بخشي از ماجراست. اگر GPU مي‌تواند با رمزگشايي فيلم و تبديل تصاوير سه بعدي به CPU کمک کند، دليلي وجود ندارد که از قابليت‏هاي پردازش آن نيز نتوان براي اهداف ديگر استفاده کرد.

از موضوع استفاده از پردازنده گرافيکي براي محاسبات غير گرافيکي تحت عنوان محاسبه GPU همه منظوره (GPGPU) يا به طور کوتاه محاسبه GPU ياد مي‌شود. كه تا حد زيادي هم قابل قبول است. بهترين پردازنده Core i7 اينتل هشت هسته اجرايي را براي سيستم عامل فراهم مي‌آورد (که چهار هسته آن هسته‏هاي مجازي هستند و از طريق فناوري Hyper-Threading شبيه‏سازي شده‏اند). در حالي که يک کارت گرافيک 30 پوندي ارزان ده برابر اين تعداد واحدهاي پردازش هسته اجرايي ارائه مي‏دهد که هر يک بخشي از نيروي مصرفي به وسيله هسته CPU را دريافت مي‏کنند.

تا پيشرفته‏‏ترين مدل‏ها که پيش برويم با کارت‏هايي مانند 295 Nvidia GTX مواجه مي‏شويم که 480 هسته را ادغام مي‏کنند. بديهي است که توسعه‏دهندگان با به‌کارگيري اين دستگاه‏ها مي‏توانند ميزاني از نيروي پردازش موازي را مهار کنند که CPU نمي‏تواند براي رقابت با آن اميدوار باشد. به زعم براندو «اين صنعت در حال حاضر با گام نهادن از CPU به GPU شاهد سرعت‏‏هاي بي‏سابقه‏اي است. براي مثال، رمزگذاري فيلم از طريق GPU در مقايسه با CPU مي‏تواند ده برابر سريع‏تر انجام شود؛ يا حتي بيشتر.»

محاسبه GPU کاربردهاي جدي‏تري نيز دارد. براي مثال، Folding@home يک طرح محاسبه توزيعي است که در پي درمان بيماري‏هايي مانند سرطان، فيبروز کيستي و پارکينسون است. در سال 2008، Nvidia گزارش داد که بر اساس يک تحليل، اجراي محاسبات Folding@home از طريق GPUهاي اين شرکت نتايج را 140 برابر سريع‏تر از برخي CPUهاي سنتي امروزي به دست مي‏دهد.

به «كودا» خوش آمديد برگ برنده Nvidia چيزي به نام Compute Unified Device Architecture يا معماري دستگاه يکپارچه محاسباتي (CUDA) است که براي اولين بار در سال 2007 به عرضه گذاشته شد. CUDA زبان‏‏هاي برنامه‏نويسي آشنا از جمله سي، جاوا و فورترن را توسعه مي‏دهد و داراي عملکردهايي است که انتقال محاسبات به Nvidia GPU را براي توسعه‏دهندگان آسان‏تر مي‏سازد. CUDA تنها راه ايجاد نرم‏افزار مبتني بر GPU نيست.

براي مثال، نرم‏افزار DirectCompute API شرکت مايکروسافت و چارچوب فناوري OpenCL که در ابتدا توسط شرکت Apple توسعه يافت يک سري عملکردهاي برنامه‏نويسي ارائه مي‏دهند که بر روي هر گونه GPU جديد قابل اجراست. در واقع، AMD رقيب Nvidia استدلال مي‏کند که اين استانداردهاي نامحدود نمايانگر آينده هستند؛ نه دنياي محدود CUDA (به مصاحبه با مدير بازاريابي AMD توجه كنيد.)

اما CUDA حدوداً دو سال زودتر از اين واسط‏هاي نامحدود عرضه شد و همان طور که سانفورد راسِل، مدير کل CUDA در همايش فناوري GPU اين شرکت در سال 2009 شرح داد، CUDA به دليل پشتيباني از زبان‏هاي آشنا و به ويژه زبان سي اساساً گزينه جذاب‏تري براي توسعه‏دهندگان است. راسل در حالي که از پنجره به طرف خيابان‏هاي سيليکون ولي اشاره مي‏کرد گفت «اگر بيرون برويد و بگوييد هر کسي که با زبان سي برنامه‏نويسي مي‏کند در اين طرف خيابان بايستد و هر کسي که از API استفاده مي‏کند در آنجا بايستد، فقط تعداد کمي از مردم در طرف API مي‏ايستند؛ در حالي که مردم زيادي در طرف سي خواهند ايستاد.»

Nvidia همچنين قصد دارد با عرضه انواع جديدي از کارت‏هاي گرافيک مبتني بر معماري ابتکاري Fermi خود CUDA را به قابليت‏هاي بيشتري مجهز سازد. به گفته يكي از مديران انويديا کارت‏هاي Fermi اولين کارت‏‏هايي هستند که «در آنها به گرافيک و رمز به طور يکسان توجه شده است.» پيشرفت‏هاي فني شامل يک حافظه مشترک L2 و يک زمان‏بند رشته (thread) آنبورد مي‏شود که به Fermi در اجراي رمز به طور کارآمدتر از هر گونه GPU موجود کمک خواهد کرد.

همه اينها به تصويري از آينده مي‏انجامد که در آن CPU به تدريج به يک کالاي سبک وزن و مصرفي در کل معماري کامپيوتر تبديل مي‏شود؛ در حالي که عمليات تصويري و رياضي به وسيله يک GPU کاملاً قابل برنامه‏ريزي موازي حجيم اداره مي‏شود. آيا به سوي اين هدف حرکت مي‏کنيم؟ آيا قرار است توليدکنندگان CPU نقش اندکي در صنعت کامپيوتر داشته باشند؟

محدوديت‏هاي GPU
فناوري GPU هنوز نمي‏تواند در برخي از زمينه‏ها با CPU سنتي رقابت کند. CPUهاي جديد داراي مجموعه فرمان‏هاي عظيم و ويژگي‏هاي پيشرفته‏اي مانند اجراي همزمان چند دستور غير وابسته و انشعاب فرضي هستند که عدم اتلاف چرخه‏هاي ساعت را تضمين مي‏کنند. بنابراين، CPU در اجراي رمز تک‏رشته‏اي پيچيده‏اي که معرف اکثر برنامه‏هاست، بسيار موفق‏تر است. در حالي که پردازش داده‏هاي با مقياس بزرگ شايد فقط براي طرح‏هاي تحقيقاتي و کاربردهاي تجاري مورد نياز باشد، در حوزه کاربردهاي خانگي و تجاري غير از مثال‏‏هاي نام‏آشناي ويرايش فيلم و تبديل رمز، امور زيادي وجود ندارند که واقعاً از آن بهره‏مند شوند. اين نکته مهم از ديد اينتل پوشيده نيست.

وقتي از مايک آبِل، مهندس بازاريابي توليد اين شرکت پرسيده شد که آيا اين شرکت CUDA را يک تهديد در نظر مي‏گيرد، وي به طور آشکار ترس خود را ابراز نکرد. وي تصديق کرد که «در برخي موارد ممکن است بگوييد CUDA از CPU مفيدتر است، اما وقتي DirectCompute و چيزهايي مانند آن را در نظر مي‏گيرم، به اعتقاد من آنها براي ايستگاه‏هاي کاري پيشرفته در نظر گرفته شده‏اند. محاسبه با کارايي بالا بخش کاملاً متفاوتي با محاسبه متوسط است و در مورد محاسبه متوسط راه‏هاي مختلف زيادي وجود دارد که يک برنامه‏ نرم‏افزاري کارايي داشته باشد، مانند تردينگ چندگانه» آبِل نمي‏توانست به طور دقيق درباره محاسبه GPU براي برنامه‏هاي کاربردي با کارايي بالا صحبت کند.

اما اين طور نيز انتظار مي‏رفت؛ زيرا اينتل فعلاً مشغول جبران خسارت‏هاي ناشي از عدم موفقيت Larrabee است؛ کارت گرافيکي که به سبک GPU توليد شده است و توليد آن در ماه دسامبر متوقف شده است. اما اين شکست به خودي خود تا حد زيادي نشان‏دهنده محدوديت‏هاي محاسبه GPU است: هسته‏هاي Larrabee از پردازنده‏هاي جرياني Nvidia پيشرفته‏تر بودند که اين امر اجراي امور پيچيده‏تر را براي آنها ميسر مي‏ساخت و موجب گران‏تر شدن، مصرف برق بيشتر و دشوارتر شدن برنامه‏ريزي آنها نيز مي‏شد.

اما آبِل درباره محاسبه متوسط با خرسندي توضيح داد که تا جايي که به اينتل ارتباط دارد قدرت CPUهاي آن براي نامرتبط دانستن محاسبه GPU کافيست. وي اظهار داشت که «CPU در عرصه کامپيوتر شخصي در رده اول قرار دارد و به اعتقاد ما در همين رده نيز باقي خواهد ماند. اگر کسي مي‏خواهد بازي کند، مي‏تواند يک کارت گرافيک مجزا تهيه کند. اما در مورد تبديل رمز، آيا بايد يک کارت گرافيک 200 دلاري بخرم يا اينکه CPU من به قدر کافي خوب است؟ بر اساس مشاهدات و آزمايشات ما CPU کاملاً يك محصول رقابتي است و در برخي موارد کارايي بهتري نسبت به Nvidia و AMD دارد.» وي تصديق کرد که DirectCompute نيز ممکن است در برخي موارد مفيد باشد.

«ممکن است در زمينه‏هاي خاصي استفاده از آن معقول باشد. من نمي‏گويم اينتل هرگز از آن پشتيباني نخواهد کرد. امروز يک راه‏حل کاملاً رقابتي در اختيار داريم، اما هميشه سعي مي‏کنيم از همه منابع موجود در يک پردازنده به بهترين نحو استفاده کنيم و اگر روش‏هاي خلاقي براي انجام اين کار وجود داشته باشد، مطمئناً آنها را ارزيابي خواهيم کرد.»

چنين موضعي مسلم و قطعي است اما همان طور که راجِر کِي تحليل‏گر Endpoint Technologies اشاره مي‏کند، اينتل به زحمت مي‏تواند چيز ديگري بگويد. کِي مي‌گويد: «توليد يک تراشه با کارايي و قدرتي که امکان رقابت در يک فضاي محاسبه فوق‏العاده موازي را فراهم کند، به زمان بيشتري نياز دارد.»

راند بعدي
مشاهده نحوه عملکرد راهکارهاي مختلف اينتل و Nvidia در سال 2010 جالب توجه خواهد بود. اما قبل از اينکه به اين بحث خاتمه دهيم، لازم به ذکر است که هر دو شرکت چند‏ طرح ديگر براي ارائه دارند. Nvidia تاکنون نشان داده است که CUDA در بين سخت‏افزارهاي موجود بازار خوبي دارد و Fermi در صدد شکوفايي امکانات بيشتر برنامه‏نويسي مبتني بر GPU است. ضمناً اينتل اميدوار است با ارتقاي مداوم پردازنده‏هاي خود از محاسبه GPU پيشي بگيرد و به آنها در انجام امور رسانه‏اي که منبع درآمد GPUهاي مجزاست کمک کند.

رادوسلا والزيک، مدير روابط عمومي شرکت اينتل تأييد کرد که «قبلاً اعلام شده بود که در Sandy Bridge (معماري نسل بعدي اينتل که در سال 2011 به بازار عرضه مي‏شود) از دستورالعمل‏هاي جديد Advanced Vector Extensions استفاده خواهد شد. اين مي‏تواند کارايي محاسبات مميز شناور را به طور قابل توجهي بهبود بخشد. ما طرح‏هاي ديگري نيز در دست اقدام داريم که فعلاً درباره آنها صحبت نخواهيم کرد.

اما مي‏توانيد مطمئن باشيد که همگام با نسل‏هاي جديد سخت‏افزار، اينتل فناوري‏هاي جديدي را عرضه خواهد کرد که قطعاً از عمليات چندرسانه‏اي برخوردار خواهند بود.» اما در نهايت هر تغيير و تحولي هم که صورت بگيرد، ترديدي وجود ندارد که محاسبه GPU وضعيت را براي هميشه تغيير داده است. همان طور که راجِر کِي نتيجه‏گيري مي‏کند «مردم عادي به اين زودي‌ها از محاسبه GPU استفاده نخواهند کرد، اما بلافاصله از دستاوردهاي آن بهره‏مند خواهند شد: جلوه‏هاي انيميشني ساخته شده توسط استوديوهاي مهم، داروهاي کشف شده با استفاده از محاسبه GPU و شايد حتي هزينه پرداختي بابت مصرف انرژي؛ زيرا شرکت‏هاي نفت و گاز از اين فناوري براي اکتشاف استفاده خواهند کرد.»

AMD، وزنه تعادل
به عنوان تنها شرکت مهم توليدکننده CPU و کارت گرافيک مجزا (با مارک ATI)، از AMD انتظار مي‌رود ديدگاه بي‏طرفانه‏اي داشته باشد. درهمين باره نشريه PC PRO با ساشا مارينکويچ، مدير بازاريابي اين شرکت گفت‌وگويي داشته‏است كه در زير مي‌خوانيد:

آيا به نظر شما GPU دنيا را متحول خواهد کرد؟
انجام محاسبات از طريق GPU قطعاً تغيير الگوي بزرگي در شيوه حل مشکلات دنياي واقعي خواهد بود. تاکنون شاهد استقبال شرکت‏هايي مانند CyberLink، ArcSoft و Adobe از GPU بوده‏ايم. براي دستيابي توسعه‏دهندگان به اين فناوري اقدامات اندکي لازم است، اما انتظار داريم شاهد برنامه‏هاي مبتني بر GPU بيشتري در سال‏هاي 2010 و 2011 باشيم.

فکر مي‏کنيد مدل برنامه‏نويسي CUDA مزيتي را براي آن فراهم مي‏کند؟
نمي‏خواهم درباره روش کسي اظهار نظر کنم، اما در گذشته شاهد شکست بسياري از سيستم‏هاي اختصاصي بوده‏ايم. استانداردهاي نامحدود OpenCL و DirectCompute در واقع تازه در چند ماه گذشته در دسترس قرار گرفته‌اند، اما هم‏اکنون صنعت به اين استانداردها روي آورده است. زيرا توسعه‏دهندگان مي‏خواهند از تلاش‏هاي مهندسي خود به بهترين نحو استفاده کنند و ما مي‏خواهيم اين استانداردهاي صنعتي را در جهت فراهم کردن شرايط لازم براي سرمايه‏گذاران و توسعه پلتفرم‏ها هدايت کنيم.

حذف پردازشگر Larrabee شرکت اينتل فرصتي را براي AMD فراهم مي‏کند؟ در چند سال گذشته به طور بي‏وقفه براي افزايش کارايي کارت‏هاي گرافيک مجزا پيش‏قدم بوده‏ايم و من متوجه نمي‏شوم که Larrabee چگونه مي‏خواست اين وضعيت را تغيير دهد. بنابراين ما فقط بر اجرا و وارد کردن ويژگي‏هاي ابتکاري به بازار تمرکز مي‏کنيم.

آيا ظهور محاسبه به طريق GPU بدين معناست که از ارج و قرب CPU كاسته خواهد شد؟
AMD به يک پلتفرم متعادل اعتقاد دارد. يک GPU با تعداد زيادي پردازنده شايد قدرتمندترين سخت‌افزار محاسباتي در بازار باشد، اما GPU بيشتر براي بارگذاري‏هاي سري مناسب است. انتقال برنامه‏هاي مختلف به جاي مناسب کاربر نهايي را از لحاظ کارايي بهره‏مند مي‏سازد كه اين در مورد کامپيوترهاي همراه احتمالاً به معناي افزايش طول عمر باتري خواهد بود. ما تنها شرکتي هستيم که هم CPU و هم GPU توليد مي‏کنيم و توانايي ما براي توليد يک پلتفرم واقعاً متعادل ما را نسبت به رقباي‏مان برتر مي‏سازد.

این صفحه را در گوگل محبوب کنید

[ارسال شده از: سایت رسیک]

[مشاهده در: www.ri3k.eu]

[تعداد بازديد از اين مطلب: 91]