Calcul générique sur GPU
Conclusion
Finalement, nous avons pu étudier les aspects fondamentaux de la technologie GPGPU qui se veut être en pleine expansion dans divers domaines (finance, recherches, biologie, médecine, cryptographie, compression/décompression, traitements des images/vidéos, … ). Les problèmes de limitations matérielles peuvent dans certains cas être résolut avec le calcul générique sur GPU.
| Aspects intéréssants | Limitations |
|---|---|
| Puissance de calcul avec un grande quantité de données | Adapté aux algorithmes parallélisables |
| Peu coûteux | Programmation non objet |
| Consommation électrique | Compatibilité |
| APIs : CUDA, OpenCL, API Stream | Exploiter pleinement la puissance de calcul |
Le GPGPU possède d'indéniables avantages : une puissance de calcul très importante pour une consommation énergétique et un coût réduits. Cependant, son évolution rapide nécessite de la part d'universitaires soucieux de faire bénéficier de serveurs de calcul puissants, du temps et des connaissances nouvelles pour assurer la mise en place d'une telle structure. A l'avenir, le GPGPU pourrait communément se trouver au coeur des système de gestion de bases de données pour accélérer les performances dans le traitement de flux de données toujours plus conséquent.