Java 并行性：OpenCL/GPU 与参与者/线程答案

【问题标题】：Java parallelism: OpenCL/GPUs vs. actors/threadsJava 并行性：OpenCL/GPU 与参与者/线程
【发布时间】：2023-03-10 23:34:01
【问题描述】：

APARAPI project 将自己描述为：

Aparapi 允许 Java 开发人员通过在 GPU 上执行数据并行代码片段而不是局限于本地 CPU 来利用 GPU 和 APU 设备的计算能力。它通过在运行时将 Java 字节码转换为 OpenCL 并在 GPU 上执行来实现...

我想知道与 gpars 或 Akka 等传统并发框架相比，这有什么好处。

在什么情况下将 JVM 字节码转换为 OpenCL 会比这些替代方案提供的更快或更可取？为什么 OpenCL/GPU 范式比 Java/CPU“更快”（至少在某些情况下）？什么情况下需要这样做？

【问题讨论】：

是的，它有可能更快。实际上，这是一个简单的区别：APARAPI 允许您在 GPU 上运行并行代码，而 gpars 和 Akka 允许您并行化代码以在 CPU 上运行。
我在stackoverflow.com/questions/22866901/…写了几句话（这个问题提到了CUDA，但我的回答比较笼统）
如果计算与数据的比率很高，aparapi 将根据硬件赢得 x2 到 x100。 cpu 核心宽度仅为 16，而 gpu 计算单元为 64 或 128 宽，一个 gpu 中最多可以有 64 个这些单元。与 cpu 相比，gpu 中使用的寄存器要多得多。

标签： java akka opencl gpu aparapi

【解决方案1】：

我想说的是，akka 是一个非常高级的并发抽象，而像 CUDA、OpenMP、MPI 等东西则用于计算昂贵的东西。因此，akka 非常适合实现诸如任务调度系统以及处理和限制请求之类的东西，但如果它们的计算成本很高并且可以并行化，那么对于任务执行本身就没有那么好了。但是你有这个非常高的抽象，并且可以使用期货来使整个系统反应，这样它就不会在任何地方锁定。所有的 GPU 库都非常适合实现大规模并行任务，在这些任务中，你有大量的无人机都在做几乎相同的事情。这就是 BLAS 之类的东西。我认为它们最近变得越来越流行，因为与 CPU 相比，显卡有了更大的进步，尽管与 OpenMP 相比具有很大的学习曲线，恕我直言，它们仍然是一个非常专业的领域，您可以在您的计算机上粘贴一些预处理器衍生产品循环，或类似 java8 新的并行集合。无论如何，这是我的 2 美分。

【讨论】：