GPU Computing Systems

挑战 （Challenges）

• 传统集群耗电量巨大，需要专业的机房、巨大的机房空间；
• 大型计算机和传统集群价格较高，难以在个人用户中普及；
• 传统集群需要专业人员维护管理；
• 个人用户渴望在较低的价格内拥有自己的超级计算机，而且要维护方便，运维成本低廉；

解决方案 （Solutions）

• Nvidia Tesla GPU协处理器；

系统配置 （Configurations）

硬件 （Hardware）

• SGI/HP/Supermicro 1U/2U/3U/4U机架式服务器；
• Nvidia Tesla S1070 (4GPU)或 C1060（1GPU）；

软件 （Software）

• SUSE Linux Enterprise Server或Red Hat Enterprise Server；
• Nvidia CUDA编程环境；
• AccelerEyes Jacket （Matlab GPU加速引擎）；
• CAPS HMPP （CUDA代码自动转换工具）；

系统结构图 （System Topology）

应用领域及案例 （Application and References）

应用领域 （Application）

应用案例 （References）

• 南京天文台，Supermicro 2U机架式CPU服务器、Nvidia Teslas1070 GPU服务器，用于天体物理方面的研究；