GPU编程--CPU和GPU的设计区别

本篇结构

• 前言
• 概论
• CPU简介
• GPU简介
• 并行计算
• CPU/GPU对比
• 适于GPU计算的场景
• GPU开发环境
• 参考博文

一、前言

因为工作需要，需要从github上找一个CUDA的DBSCAN聚类实现，刚开始从github上获取到的代码只支持二维数据，为了适配多维数据，要对代码简单改造，这就需要了解CUDA编程模式。之前没有接触过GPU编程相关概念，甚至于没有学过c语言，加上脑袋笨重，费了好些功夫，才让CUDA DBSCAN运行起来。

为了方便自己后面回顾，所以将涉及到的知识点简单串联起来，并加以记录。

如果可以，也希望给其他朋友一些can参考（肯定是有很多不足，还望海涵）。

二、概论

由于其设计目标的不同，GPU和CPU分别针对了两种不同的应用场景。

CPU需要很强的通用性来处理各种不同的数据类型，同时又要逻辑判断又会引入大量的分支跳转和中断的处理。这些都使得CPU的内部结构异常复杂。

而GPU面对的则是类型高度统一的、相互无依赖的大规模数据和不需要被打断的纯净的计算环境。

于是CPU和GPU就呈现出非常不同的架构（图可以从CUDA官网找到https://docs.nvidia.com/cuda/cuda-c-programming-guide/index.html#axzz4YFZTibzg）：

三、CPU简介

CPU (Central Processing Unit) 即中央处理器，是机器的“大脑”，也是布局谋略、发号施令、控制行动的“总司令官”。

CPU的结构主要包括运算器（ALU, Arithmetic and Logic Unit）、控制单元（CU, Control Unit）、寄存器（Register）、高速缓存器（Cache）和它们之间通讯的数据、控制及状态的总线。

CPU是基于低延时的设计，简单来说包括：计算单元、控制单元和存储单元，架构可参考下图：

CPU的特点是：

（1）CPU有强大的ALU（算术运算单元）ÿ