从CPU与GPU利用率，到GPU与CPU差别的思考
注：本版关于GPU的内容均是是经过实测数据提供，具有版权所有
简介： GPU与CPU貌似差别不大的两个东西，然而，从逻辑结构，到原理，到性能，到功能，再到在物理设备中扮演的角色来讲，压根就不是同一个东西，甚至可以说，完全不可以类比。
首先考虑GPU利用率：
因为要对GPU物理设备进行压力测试和功耗测试，那么就需要设定GPU利用率分别为25%，50%，75%，100%类似的参数，那么这样的利用率，又意味着什么东西的利用率呢？
为了了解GPU，那么先认识一下CPU利用率相关的内容。
CPU结构介绍
我们都知道，CPU是由运算器和控制器两部分组成。
运算器就是执行加减乘除运算的 与，或，非门，不管移交什么样的命令，到最后都是转换成了这样最朴素的运算操作。他所执行的所有命令，都是通过控制器，传送要执行命令的地址，从地址中取数据，
如下图，参考：http://blog.csdn.net/yang_yulei/article/details/22529437
CPU时钟周期和CPU利用率
这是整个CPU的处理指令过程，CPU还有一个始终周期，通常在几个时钟周期内，会完成这些操作，但遇到中断，等待，空载等情况发生的时候，其实时钟会进行空转，CPU的利用率，就是指，有多少时钟周期进行了指令执行，计算方式也是，从任务提交到任务当前执行时间，所使用了多少CPU的时钟进行任务计算，那CPU占用率就是指：
CPU占用率= 任务执行消耗的时钟周期/ 从任务提交到当前CPU总的时钟周期。
那么，单个CPU的占用率就是，对于该任务来讲，消耗的时钟周期占OS从该任务提交到目前时间时钟周期的比例。
GPU的利用率。
然而，对于GPU来讲，并不存在时钟周期这样的概念，那GPU的利用率从何而来。
GPU对任务的执行相当于cpu将任务移交给GPU，那GPU就对任务进行执行，不管任务量与任务规模，不具备调度或者其他的CPU特性具有的一些能力。打个比方，比如你有一个电灯，那打开或关闭，就只有两个状态，GPU对涉及的数据缓存在GPU内存中，并且对他们进行并行计算。
那它简单的并行计算能力是有了，然而，它并不具备CPU的很多高级特性，而这些高级特性决定了只有CPU是电脑的神经中枢，而GPU只能是一个计算元件而已。
可以进行一个简单的测试，就明白了GPU与CPU的能力差别有多大。
测试环境：
512G内存，20核，8张V100卡。centos7.3 系统，
GPU卡的单卡数据缓存空间为16G，我运行nbody程序，将计算数据量设定超过16G的时候，
所有的卡停止工作。 这就意味着，这些卡没有任何的数据缓存能力，调度能力，中断能力，等等。
为何会停止工作呢？因为对于CPU来讲，这些都是计算，重复的计算，并且数据量本身并没有达到16G，所以就全部调度到了GPU上面来执行，然而GPU会对数据迭代并缓存，会在几次迭代之后把缓存空间撑满，其实可以看到GPU并不是一次性达到超负荷的，而是停几秒，观测到GPU内存使用空间不断上升，而之后，GPU就停止工作了。
但CPU就不会出现，因为对于用户进程提供的内存空间，都是经过几级映射形成的虚拟空间，所以，几乎就是可以被用户进程认为是无限大的，可以随时进行切换，随时调度执行，让用户感知不到下层的一些变化。
因此，在简单的1+1计算方面，GPU通过几千个具有简单计算能力的核心，实现了许多基本逻辑的并行能力，而对于CPU这个大神，他就全身心的处理复杂的逻辑。打个比方，如果CPU是个教授，不仅会加减乘除，还会解方程，还可以积分微分，还会矩阵迭代等，然而CPU会处理复杂任务能力强，但成本高啊，雇佣一个教授总是处理并行计算中的1+1多不划算啊，把很多复杂的任务都分开来进行，有很多是并行进行1+1运算的，那就不如搞几十个小学生来计算1+1. 现在V00，等都向通用计算能力转型，也可以看到下学生也在向中学生发展。但是它本身的架构决定了它的应用场景，也处理复杂任务的限制。
下图是关于GPU卡不同型号对应不同的参数整理的表格。
| GPU卡型号 | CUDA核 | GPU缓存（GB） | 性能 SP(TFLOPS) | 功耗W |
|---|---|---|---|---|
| K80 | 4992 | 24 | 5.6 | 250 |
| K40 | 2880 | 12 | 4.29 | 235 |
| M40 | 3072 | 12、24 | 7 | 250 |
| M4 | 1024 | 4 | 2.2 | 50-75 |
| M60 | 4096 | 16 | 9.7 | 225-300 |
| P100 | 3584 | 16 | 9.3 | 250 |
| P40 | 3840 | 24 | 12 | 250 |
| P4 | 2560 | 8 | 5.5 | 50-75 |
| V100 | 5120 | 16 | 14 | 250 |
上图可知，P100和V100在堆叠数千计的核的时候，功耗也上去了，正常情况下，一台服务器的功率不超过500W，其实500W已经属于很高了，250W是个什么概念呢，这么说吧，一台机器配有8张V100卡，那么整台机器全部卡在运行的时候，功耗数据就会达到3000W以上。3KW，兄弟，这可不是闹着玩的，就是这样一台机器，耗电达到了3KW，基本上供电都是很难满足的。
这也是P100向V100发展的时候，核心数量不再无限制的增多了，而转向tensor核的研发和应用。
其实想想看，nvidia做的这样一整套系统提供了这么高的计算能力，研发出来这么好的东西，最后P100和V100的何去何从，不知道到最后会不会死在了这个最基本的问题，供电能力上面。