这个学期在学习高性能计算的课程中接触到这些，所以不是很懂，只能发个浅见，主要还是谈各个库的优点（我才不会说，因为我不太懂，所以还不知道什么缺点），如有错误，欢迎指正。
- CUDA: 貌似上面的前辈们都已经总结了优缺点了，再叙述一遍吧。N家的多线程计算平台和API，支持GPU。
- 关键词： 既有平台又是API
- 语言支持： C/C++, Fortran
- 优点：版本更行快，社区活跃, 支持GPU
- 缺点：只支持N卡
- OpenCL: 不是很了解，搬运下wiki的内容吧。看这wiki的内容，感觉不明觉厉啊。异构平台，支持CPU，GPU， DSPs， FPGAs 等。在多进程方面使用 task-based 和 data-based parallelism。
- 关键词： 平台 + API
- 语言支持： C/C++
- 优点： 跨好多平台啊
- 缺点：版本更新慢
- OpenMP: 这是directive-based parallelism。在写完一般的代码后，转成多线程需要改动的地方不是很大，但只能支持shared memory（共享存储？），是一个管理线程级别的库。
- 关键词： API
- 语言支持： C/C++, Fortran
- 优点：移植改动少，支持普遍（普通的gcc都支持）
- 缺点：只支持shared memory
- OpenACC: 支持CPU/GPU工作，从名字Accelerator就可以推断出，主要用于CPU代码向GPU的移植（？有待考证，我在课程中主要是这么用的。。。），更新方面其实也不快，需要注意编程技巧，否则代码会变慢。
- 关键词： API
- 语言支持： C/C++, Fortran
- 优点： 移植简单
- 缺点： 编译器啊，支持PGI，看计划有支持GCC，但还不知道什么时候才能发布
- OpenMPI: 消息传递接口库。支持分布式存储，适合大规模集群服务器。另外，需要手动管理数据的分布和消息的传递，需要重新修改代码。
- 关键词： API
- 语言支持： C/C++
- 优点： 支持共享存储和分布式存储
- 缺点： 模型复杂，需要重构代码。
|
转播
