上海网站制作找缘魁,华夏运用网站,狼们求个没封的免费网站,专业团队ppt模板众所周知#xff0c;云桌面的架构就是将所有计算集中到中心服务器上#xff0c;终端只负责与客户交互的部分#xff0c;这样中心服务器server和客户端client之间通过硬件通道来回传用户的各种交互性数据。比如鼠标通道#xff0c;键盘通道一般是上行数据通道#xff0c;把…众所周知云桌面的架构就是将所有计算集中到中心服务器上终端只负责与客户交互的部分这样中心服务器server和客户端client之间通过硬件通道来回传用户的各种交互性数据。比如鼠标通道键盘通道一般是上行数据通道把用户在终端上的操作行为上传到server端而显示通道则是下行数据通道把server端界面更新命令下传到client端显示给用户。很明显中心的服务器出了要完成各种运算外还要处理各种与用户终端的交互通道的数据处理而在这所有的数据通道中最耗资源的要数显示器的显示通道了显示数据如图片视频3D等如果用CPU去处理那简直是一种浪费所以笔者提出了一种针对显示数据的优化理论那就是用GPU去分担CPU的任务。GPU为什么能够分担CPU的任务呢GPU相对CPU有哪些自己的优势呢为了更深入理解这一点我们先讲讲GPU和CPU各自的特点。GPU显存其实就是一个计算机只不过这个计算机是专有计算机是完成专有计算的而CPU主存(内存)架构则是一个通用计算机是完成通用计算的为了简化描述下文我们分别简称为GPU架构和CPU架构首先从形式上指令长度和指令执行周期都有各自的特点CPU的指令长度的变化区间比较大抛除多媒体指令指令长度可以是单字节双字节四字节等而GPU的指令就比较规整一般为某个确定的指令长度如四字节八字节等对于指令周期来说CPU指令周期也是比较宽泛单条指令的机器周期变化多端可以是一个机器周期两个机器周期或四个机器周期而GPU的指令周期则一般变化不大CPU架构的指令处理数据的并发度显然没有GPU架构指令处理数据的并发度大虽然计算机发展到现在通用计算机依靠指令流水线的方式使得CPU有了一定的并发度但由于CPU处理的数据的特点(即通用计算)使得这种并发度一直不高而GPU显然没有这种瓶颈GPU处理的数据格式仅仅是图像数据所以这种并发度可以很高。指令的复杂度不同由于CPU执行的是通用计算要考虑各种功能各种形式的指令这就造成指令集超级复杂而GPU不同GPU执行的是专有计算指令集的特点就是指令少指令结构简单。综上CPU和GPU架构的特点很容易得出一个结论那就是专业的人做专业的事CPU强项是通用计算那么就让其完成一些流程控制的通用计算任务而对图像视频3D等桌面颜色数据的处理则交由GPU去完成是比较合适的尤其是在云桌面系统中计算集中在中心服务器的前提下选择合适的方法让GPU去分流CPU的计算任务显得尤其重要。免费申请云巢iPC地址http://pc.vcnglobal.cn
