地球物理高性能计算的新选择:GPU计算技术
随着微电子技术的发展，GPU计算技术与可重构计算技术.将有可能替代集群计算技术成为高性能计算的主流技术。充分利用GPU并行处理能力，可以将GPU 作为计算加速器为基于CPU的通用计算平台提供高性能的科学计算能力补充，这样可以在现有通用计算平台的基础上实现高性价比的高性能计算解决方案。 长期以来，石油地球物理勘探一直是高性能计算技术的主要应用领域之一。随着油气勘探工作面临的勘探对象不断复杂化，勘探条件日趋 恶劣，我们对石油地球物理勘探技术的研究与应用也在不断深化。地球物理技术的发展与应用高度依赖于包括高性能计算技术在内的信息技术的发展，从而导致高性 能计算技术在地球物理行业的应用不断发展，应用规模与领域不断扩大，技术与产品不断升级。高性能计算技术的发展在较大程度上引领和制约了地球物理技术发展 的轨迹与进程。
2000年以来，集群计算技术得到了飞速发展，从而带来了地震数据处理系统平台的又一次更新换代，集群计算机系统基本 上已经成为目前地震数据处理的唯一主流平台。近年来，集群计算机系统的配置规模正在不断扩大，大型地震数据处理中心的集群系统规模已经达到上千个甚至数千 个节点，计算能力普遍从百亿次(10OGFLOPS)级规模提高到目前的数万至数十万亿次规模。计算能力的提高，为地震勘探新技术(如地震叠前时间偏移和 叠前深度偏移)的应用打下了良好的基础，提高了地震资料处理的质量，也大大缩短了处理周期。
但是，地球物理技术对于高性能计算的需求是无止境的，信息技术产业在提供高性能计算产品方面仍然不能满足石油勘探的需求，在进一步提高计算性能、降低系统建设与运行维护成本等方面，信息技术产业与石油工业共同面临着一系列的挑战。
当前，集群已经成为高性能计算的主流体系架构。为了提高集群计算机系统的计算能力，主要采取不断增加计算节点和提高节点性能2条途径。传统的通过不断提高 处理器工作频率来提高节点性能的技术，正在逐步走向其极限，取而代之的是多核处理器技术。系统节点规模的不断提高，一方面大大提高了系统建设、运行、维 护、管理及应用软件开发的复杂性及成本，另一方面在提高系统总体性能方面受到越来越大的制约。
因此，寻求高性能计算新技术，以实现高性能计算技术应用的跨越式发展，成为我们当前面临的一项重要任务。 1、高性能计算技术发展的新途径圈
长期以来，计算性能的提高主要得益于微处理器工作频率的提高，莫尔定律主宰着信息技术发展的步伐。然而，主频的提高带来的系统发热问题日趋突出，系统功 耗不断上升。因此，近年来CPU技术的发展采取了新的思路，主频提高的步伐放慢，而提高处理器并行处理能力逐步成为主要技术思路。
在 传统的通用微处理器中，开发指令级并行性主要有2种方法:一是采用超流水线结构增加每秒钟执行的指令数;二是采用超标量或超长指令字( VLIW)结构增加指令发射和执行的并行度，每个周期发射多条指令到多个功能部件上执行，从而提高每个时钟周期执行的指令数。从根本上来讲，传统的通用微 处理器芯片对于并发活动缺少专门的硬件支持，导致从高级语言表达的应用代码中自动构造出能在传统通用微处理器上有效运行的并行程序非常困难。
为了保证微处理器芯片性能的持续提高，更重要的是为了降低芯片功耗和复杂性，目前主流的商用CPU设计已全面采用多线程多核体系结构，双核已成为CPU 的主流产品，4核CPU产品也已经大规模批量生产，预计2008年和2010年将可能推出8核和32核产品，而英特尔前期推出的Polaris原型芯片已 经包含了80个核。
在传统CPU由单核向多核发展的技术路线以外，当前活跃着其他几条新的技术发展路线，它们可能代表着未来高性能计算技术发展的重要方向与趋势。 一个重要方向是基于FPGA(现场可编程门阵列)的可重构计算技术「5一7〕，它综合了软件计算的灵活性和硬件系统的高性能等优点，目前成为了计算技术研究的一大热点。
另一个重要方向是基于GPU的通用计算技术，它主要应用图形处理芯片(GPU)的高性能并行处理能力实现科学计算。实际上，目前开始流行于通用CPU的多核技术，已经在GPU中广泛应用很长一段时间了。 本文将专题讨论基于GPU的通用高性能计算技术。 2、GPU与GPU计算 2. 1 GPU简介
GPU是图形处理单元(Graphics ProcessingUnit)的简称，是目前通用计算机系统中专门从事图形计算的单元，其应用极为广泛。图形处理单元主要面向二维、三维图形的几何变 换、渲染、纹理映射、视频流编码与解码等所涉及的计算。由于高性能图形计算需求的推动，GPU技术发展极为迅速，其计算性能的发展速度远超过CPU计算性 能的发展速度，见图1。目前，一般通用CPU的计算性能只有10^-20 GFLOPS，而GPU的计算性能已经达到数百GFLOPS。这正是当前我们将GPU作为高性能计算设备的主要原因。
2.2 CPU计算技术
提高处理器的并行处理能力，已经逐步成为提高计算性能的主要技术发展思路。多线程、多核处理器就是沿着这一技术路线发展的，而GPU中所具有的并行处理单元结构正可以满足这种技术发展的需要。因此，在这里GPU被当作一种并行计算设备或高性能计算引擎。
与常规CPU不同的是，GPU中大部分晶体管被用来进行数据处理，只有少量的被用做数据缓存和指令流控制。GPU特别适合运行单程序多数据流的数据并行处理任务，即主要支持SPMD并行计算模式。
由于GPU应用的广泛性，利用GPU进行科学计算是一种潜力巨大且性能价格比很高的解决方案。在常规的微机、工作站或服务器中，通过配置GPU即可大幅 度提高计算机系统的计算能力。而在常规集群计算机系统的节点上配置
GPU(一般集群计算节点是不配置图形卡的)，可以大幅度提高集群系统的整体计算性能， 并实现低功耗。
按计算的通用性从高到低排列，几种处理器芯片的排列顺序为CPU,FPGA,DSP,GPU，而其对应的计算性能排列顺序则相反。通用处理器与专用处理器的结合，将在系统计算性能与灵活性等方面取得完美的平衡。 2. 3 GPU计算产品概述
从理论上讲，常规图形处理芯片都可以用作高性能计算设备，但需要一定开发工具的支持。而对高性能计算特点进行优化设计的GPU可以实现更高的计算性能，获得更高的性能价格比。
作为GPCT计算的积极倡导者和技术发展者，NVIDIA公司提供了一套完整的GPU计算产品线，包括系统产品和全新的开发环境。产品线的中心是基于GEFORCEB系列架构的GPU，以及CUDA开发工具包和C编译器。
2007年5月，NVIDIA推出了面向高性能计算的Tesla C870 GPU，专为计算程序所设计。该GPU产品包含T主频为1. 35 GIIz的128个并行处理单元，1. 5 GB的专用存储器，其峰值计算性能达到518 GFLOPS，支持IEEE 754单精度浮点运算(下一个版本将可以支持双精度计算)，和CPU浮点单元一样支持各种高级的浮点操作，GPU内存访问带宽高达76. 8 GB/s，远高于常规CPU的内存访问带宽。
在GPU基础上NVIDIA提供了计算加速卡、计算工作站和计算服务器系列硬件产品(图2).Tesla C870 GPU加速卡包含一个GPU，给PC和工作站带来518 GFLOPS的计算性能，最大功耗为170 W;Tesla D870 GPU桌面超级计算机包含2个GPU，可通过PCIe接口与标准工作站相连接，提供高达1 TFLOPS的计算性能，最大功耗为550 W;Tesla 5870是一款1U的机架式GPU计算服务器，其中可以内置4}-8个GPU，提供高达2-4 TFLOPS的计算性能，而目前具有同样计算性能的刀片式集群计算机系统即使采用双核处理器也将装满2}3个标准机柜。GPU计算服务器在获得最高性能的 同时具有很低的功耗，配置4个GE-FORCE 8系列GPU时平均功耗仅550 W(最大功耗800 W)。
NVIDIA Tesla GPU计算解决方案在设计上与现行的IT基础架构做到了无缝衔接，具有如下技术性能与特色:①支持NVIDIA统一驱动架构;② GPU计算产品
