Nvidia Tesla i världens snabbaste superdator

forskning och vetenskapliga beräkningar på National University of Defense Technology i Kina ...

Man kan ju undra vad det är för forskning som sker där..

Skämtet var inte kul den första gången, och det är inte kul den 5000e gången heller.
Kostar ~1kr mer om dagen att ha ett 480 på 100% load en hel dag än vad det gör att ha ett 5870 på load i en hel dag.

oj oj oj.

vad för typ av vetenskapliga beräkningar görs det?

0/0 = ....

Går att steka ganska många ägg med 1 kWh! Förövrigt tror jag inte han/hon pekade på förbrukningen hos nVidiakorten med den kommentaren. 4,04 MW är mycket, oavsett.

Oj,Oj,Oj
Undrar hur många FPS man skulle få i Metro 2033 med den dator
Nämen skämt åsido så måste datorn kostat en hel jävla del, Stackars dom som var tvungna att sätta i 14 336 CPU:er

Folda på den

Den används nog till att klura ut nästa bitchiga valutapolicy...

Tror inte de e nåra vanliga brädor med sockets och sånt. Förmodligen satt direkt på brädan med maskin

Mitt interagerade grafikort brukar gå upp i 99-105 grader efter jag spelat CS 1.6 i en halvtimme
Just nu ligger den på 89grader när jag små surfar
Efter en natt sömns för mig och datorn så ligger GPU:n på ung. 50 grader.

Varje nod i klustret är helt enkelt en egen dator som kommunicerar med andra noder över en snabb anslutning, själva operativsystemet behöver inte ha något med saken att göra.
Varje nod kör en instans av beräkningsprogrammet och kommunicerar med andra noder i den mån som behövs med t.ex. MPI. På något sätt avgör varje nod vilken del av problemet just den noden ska arbeta med och skickar senare vidare resultatet.

Trevligt för kineserna.
Nån som vet vad det är för CPUer? Har fått fram att det är Xeon och antingen 4- eller 8-kärniga varianter om man förutsätter att 14336 är antalet kärnor, men det kanske är antalet fysiska processorer?

En GPU har massor med kärnor och i och med unified shader architecture väldigt lik en CPU. Ditt förslag att spela ett spel samtidigt som man kör en beräkning med samma GPU är som att säga åt någon att pröva att folda och köra prime95 samtidigt.

Anledningen att det känns snabbare är dels för att det ofta är mindre krävande uppgifter man kastar på sin CPU, det är ju sällan man packar upp ett gäng stora filer, samtidigt som man göra prestandatunga simulationer med flyttal. Dessutom är det för ditt OS är konstruerat för att din CPU ska peta kraft till det du håller på med så det känns snabbt och mysigt.

Inte så många som du kanske tror, en spis drar ungefär 2.2 KW på full effekt (en platta).
Om vi vill se vad den mystiska enheten KWH egentligen är så gör vi en liten enhetsanalys.
K = kilo = 1000
W = J/s
H = timme = 3600 s

Alltså är enheten 3600*1000*(J/s)*s = 3 600 000 J = 3.6 MJ

3 600 000/2 200 ~ 1640 s ~ 27 minuter

Om du steker ett ägg på tre minuter räcker det alltså bara till 9 ägg.

Eh nej, en GPU är inte särskilt lik en CPU. De är ju designade för olika arbetsuppgifter så det är ju inte så konstigt. Visserligen skulle ju en CPU kunna göra allt en GPU gör men poängen med en GPU är att den är mycket mer energieffektiv (sen råkar iofs GPU:n passa för vissa andra tillämpningar också som inte har så mycket med grafik att göra). Kolla in Beyond3D där de gör djupdykningar i hur en GPU är designad.

Du har uppenbarligen inte kört folding@home eller BOINC 24/7 samtidigt som du använt datorn till annat.

Att köra flera tunga processer på CPU:n är inget problem alls. Jag märker inte alls att jag har t ex BOINC i bakgrunden. Ej heller om jag kör OCCT's CPU-test eller videokodningsprogram. Jag kan utan problem köra flera av dem samtidigt utan de märks alls - även då antalet tunga processer/trådar är mer än antalet CPU-kärnor. Prioriteten på processen har naturligtvis betydelse förstås - det är därför tunga processer helst körs i låg prioritet för att inte störa program/GUI som kräver snabb responstid och som därför körs i hög prioritet.

När det gäller filöverföringar och ned- och uppackningar så är det nästan alltid hårddisken som begränsar. Därför går det segt att utföra andra hårddiskintensiva uppgifter samtidigt. Att köra processor-intensiva program samtidigt som hårddisk-intensiva program går naturligtvis utmärkt. Här är det en SSD som gäller.

Kör man två eller flera uppgifter samtidigt på GPU:n märks det tydligare. Det spelar heller ingen roll om den process som matar GPU:n har låg eller hög prioritet. Att det märks beror på att GPU:n helt enkelt kör en uppgift i taget. T ex Milkyway@home försöker skicka, i standardinställningen, "arbetspaket" till GPU:n 30 ggr i sekunden dvs tiden att utföra ett "arbetspaket" tar ca 33 ms. Under hela den tiden gör GPU:n inget annat än att köra Milkyway@home och GUI-uppdateringar får vänta på sig. Jag har dock ökat det till 60 ggr i sekunden för annars var GUI-lagget nästintill outhärdligt. DNETC@home, som också körs på GPU:n, har knappt nåt GUI-lagg av nån anledning men jag vet mindre om hur den hanterar GPU:n.

Det är inte helt omöjligt att spela samtidigt som man kör DC-projekt på GPU:n, men det beror lite på vilket spel och DC-projekt man kör. Att spela samtidigt som man kör DC-projekt på CPU:n går dock utmärkt såvida inte DC-projektet tar så mycket minne att det inte blir så mycket över till spelet.