CPU vs. GPU forstår de viktigste forskjellene
Ettersom GPU tok en sentral scene i moderne superdatamaskiner, ble det mye brukt for å fremskynde oppgaver fra nettverk til spill og kryptering til AI. I dag regnes både CPU og GPU som viktige faktorer for en databehandlingsoppgave. Det er grunnen til at de beste CPU- og GPU -kombinasjonene driver fremskritt innen spillmaskiner, profesjonelle arbeidsstasjoner, mindre stasjonære PC -er og de siste generasjonene av bærbare datamaskiner.
I denne artikkelen tar vi en titt på deres viktigste forskjeller.
I denne artikkelen tar vi en titt på deres viktigste forskjeller.
Hva er en CPU?
En CPU (sentral prosesseringsenhet) er datamaskinens kjernebehandlingskomponent. Den definerer en dataenhet, men fungerer sammen med annen maskinvare. Behandlingsbrikken sitter i en bestemt stikkontakt på hovedkortet. En vanlig CPU er atskilt fra minnet, da det ikke kan lagre informasjon. Den behandler bare all informasjonen i minnet. En CPU er bygget ved å plassere hundrevis av millioner mikroskopiske transistorer i en enkelt brikke.
Utviklingen av CPU -teknologi omhandler i dag med å gjøre disse transistorene mindre og forbedre CPU -hastigheten. I henhold til Moores lov, dobler antall transistorer på en brikke effektivt hvert annet år. Moderne enheter, for eksempel mobiltelefoner og nettbrett, bruker et spesielt system på Chip (SOC) som pakker CPU med grafikk og minnekomponenter. Derfor kan de gjøre mer enn en CPUs standardfunksjon.
Hva er en GPU?
En GPU (Graphics Processing Unit) er en spesialisert CPU designet for å manipulere minne og akselerere ytelsen til en datamaskin for flere oppgaver. Den har et mye høyere antall alus enn CPU. Dermed bryter ned komplekse problemer i tusenvis av separate oppgaver og løser dem samtidig. Når det gjelder arkitekturen, er en GPUs interne minne en punkt-til-punkt-forbindelse, mens du akselererer minnet gjennomstrømning og datamengden den kan behandle.
En GPU bruker tusenvis av kjerner med instruksjonssett optimalisert for flytende punkt og aritmetiske beregninger. Dette gjør en GPU mye raskere med lineær algebra og lignende jobber som krever en høyere grad av parallellisme. Derfor regnes GPUer som kjernekomponenten som er ansvarlig for grafikk. Gjengivelse av former, teksturer og belysning må fullføres på en gang for å holde bildene i bevegelse over skjermen.
GPU vs. CPU: En titt på forskjellene deres
Som du må ha lagt merke til av diskusjonen over, er det en betydelig forskjell mellom de to komponentene og hvordan de fungerer. La oss ta forskjellene sine i detalj, slik at det er lett for deg å bestemme om du trenger dem begge for oppsettet ditt eller ikke.
Makt
Selv om en GPU har flere kjerner enn en CPU, er de mindre kraftige i ren klokkehastighet. Normalt varierer en GPUs klokkehastighet fra 500 til 800 MHz med tettere kjerner på en enkelt brikke. Motsatt kan CPU -er i dag gå så fort som 3.5 til 4 GHz. GPUer er også mindre allsidige ettersom de har begrensede instruksjonssett. Du kan gå med 24 til 48 superfast CPU -kjerner i et servermiljø, men å legge til bare 4 til 8 GPUer kan tilby 40 000 ekstra kjerner. På denne måten kan det store antallet GPU -kjerner og massiv parallellisme de bringer til bordet gjøre opp for mindre kraftige, mindre allsidige og mindre smarte kjerner.
Hukommelse
GPU RAM er dedikert minne. Det er et mye bredere grensesnitt med korte stier og en P2P -tilkobling. Derfor kjører det en mye høyere klokkehastighet enn et CPU -minne. GPU -minne kan levere opptil flere hundre GB per sekund til GPU. CPU RAM er et systemminne. Den er stort sett 2 dimm bred og har en flerdråpbuss. Derfor trenger den mer kraft for å kjøre selv når den kjører med lavere klokkehastigheter. CPU-minnet leverer i midten av TIEN av GB per sekund. Imidlertid bruker flere siste CPU -er bredere grensesnitt for å levere opptil 100 GB data per sekund. Når det gjelder den interne designen, er begge denne typen minne veldig lik hverandre.
Instruksjonssett
En GPU kan jobbe med et mye større og sammensatt instruksjonssett. CPU har derimot et begrenset instruksjonssett. Selv om mange CPU -brikkesettprodusenter nå prøver å legge inn stadig mer komplekse instruksjonssett i sine CPU -arkitekturer, er teknologien ikke der ennå. Å gjøre det har flere ulemper. For eksempel må en CPU snurre gjennom tusenvis av klokkesykluser når du jobber med komplekse instruksjoner. Intel integrerte nylig noe parallellisme på instruksjonsnivå til de nyeste chipsene for å jevne prosessen. Imidlertid hindrer det total CPU -ytelse.
Kontekstbytte tid
Kontekstbryteren eller kontekstbryterens latens, på enkle termer, er tiden det tar for en prosesseringsenhet å utføre en prosess. En CPU er relativt treg når det gjelder å bytte mellom flere tråder. Årsaken er at det må lagre informasjon i registre. Gjenopprette denne informasjonen når det er nødvendig, skyll cachen og utfør andre opprydningsoperasjoner samtidig som bruker en stor del av ressursene. Mens moderne prosesseringsbrikker prøver å overvinne dette problemet ved å bruke oppgavetilstandssegmenter, forblir kontekstbryteren treg. Imidlertid er det ingen inter-warp-kontekst som bytter i GPU, i det minste i tradisjonell forstand av ordet. De utfører vanligvis bare en oppgave om gangen.
Maskinvarebegrensninger
Moores lov, forestillingen om at antall transistorer per tomme av en silisiumbrikke dobler hvert annet år. Tross alt kan du ikke bare fortsette å legge transistorer på et stykke silisium. Det er en maskinvaregrense som er umulig å krysse på grunn av fysikkens enkle lov. Denne maskinvarebegrensningen er en viktig veisperring for CPU -produsenter. Jada, de prøver nå å overvinne det ved hjelp av distribuert databehandling, kvantedatamaskiner og silisiumutskiftninger. Hvordan det går er det imidlertid noen som gjetter. En GPU har derimot ingen slike begrensninger. Faktisk spår Huangs lov, i motsetning til Moores lov, at ytelsen til GPUer vil mer enn doble hvert annet år. I henhold til Jensen Huang, administrerende direktør i Nvidia, “Innovasjonen handler ikke bare om chips, lenger. Det handler om hele stabelen.”
API -begrensninger
GPUer har også veldig begrensede grafikk -API -er. Dessuten er de vanskelig å feilsøke, noe som ytterligere begrenser applikasjonene deres. De to mest populære grafikken Rendering APIer, CUDA og OpenCl, er beryktet i denne forbindelse. Mens OpenCL er åpen kildekode, fungerer den bare bra med AMD-maskinvare og er veldig treg på Nvidia. På den annen side kommer CUDA fabrikkoptimalisert for Nvidia. Likevel låser det deg i deres økosystem, noe som gjør en endring umulig i fremtiden. Til sammenligning er det ingen slik API -begrensning på CPU -ene til forskjellige produsenter. Data API -er fungerer feilfritt med CPU, og hindrer aldri arbeidsutviklingen.
CPU vs. GPU -forskjeller i et nøtteskall
| prosessor | GPU |
|---|---|
| Sentral prosesseringsenhet av datamaskin | Grafikkbehandlingsenhet av datamaskinen |
| Har flere kjerner | Har tusenvis av kjerner |
| Lav latens komponent | Høy gjennomstrømningskomponent |
| Utmerket for seriell prosessering | Utmerket for parallell behandling |
| Har en egen cache | Ingen hurtigbuffer |
| Maskinvarebegrensninger, ingen API -begrensninger | API -begrensninger, ingen maskinvarebegrensninger |
| Færre kjerner, mer klokkehastighet | Flere kjerner, mindre klokkehastighet |
Konklusjon
Både CPU og GPU tjener i forskjellige domener for datamaskinbehandling. Begge har forskjellige sfærer av dyktighet, så vel som begrensninger. Å kjenne hver komponent hjelper deg med å optimalisere maskinvaren din for det prosjektet du vil jobbe med. Dessuten kan det hjelpe deg å unngå den fryktede CPU GPU -flaskehalsen. Vi håper informasjonen som er gitt i denne artikkelen vil tjene som en guide i fremtiden. Linuxhint er en online ressurs for alt relatert til datamaskiner og Linux spesielt. Sørg for å sjekke relaterte artikler for mer informasjon. Takk for at du leser!
Ofte stilte spørsmål (vanlige spørsmål)
Er CPU bedre eller GPU?
Svaret på dette spørsmålet avhenger av applikasjonene du vil kjøre på systemet ditt. Hvis du gjør mye video gjengivelse, spill og annet grafikkintensivt arbeid, vil det være riktig beslutning om grafikkintensivt GPU. Få imidlertid en bedre CPU hvis du bare bruker datamaskinen din til rutinemessig kontorarbeid, nettlesing og videostreaming. Du trenger kanskje ikke en GPU i det hele tatt.
GPU vs. CPU: Det som betyr mest for spill?
Vel, det kommer an på hva slags spill du spiller. Hvis du er i fartsfylte spill som førstepersonsskyttere, som COD, Overwatch eller sanntidsstrategi-videospill som Age of Empires and Blades of the Shogun, eller MMORPGs som Elder Scrolls og World of Warcraft, da Vi foreslår å oppgradere CPU -en din først. Få imidlertid en bedre GPU hvis du liker Open-World online videospill, for eksempel GTA 5, Witcher 3 eller Red Dead Redemption 2 med svært definerte og oppslukende miljøer.
Hva er den beste CPU GPU?
Det avhenger av søknaden din og bruker. Vi snakket i detalj om de beste CPU GPU -kombinasjonene i artikkelen vår. Du kan finne den i vår "Relaterte Linux -hintinnlegg" -delen øverst på venstre hjørne av denne siden.
Referanser brukt i denne artikkelen
1. Hva er GPU -databehandling