burnbabyburn2 schrieb:
aso, dann würde ich gerne mal eine Anwendung sehen die für einen 4 Kerner bzw. 8 Kerner bei 4 GHz ausgelegt ist und dann auf Xeon Phi schneller läuft bei 1,5 GHz
Und was hat das mit Phi vs. GPU zu tun? Die GPU ist bei maxi 4 parallelen Jobs deutlich langsamer. So eine Application könnte man sich sogar bauen, eine die massive Speicherbandbreite benötigt für die Berechnung und die Zwischenergebnisse dazu ständig zwischen speichern muss. Dann verhungert dein QuadCore komplett.
Hat damit aber nichts zu tun, dass die Phi keinen Host braucht, denn der würde in deinem Szenario die GPU nur füttern und Verwaltungsaufgaben übernehmen. Da laufen so gut wie nie Jobs nur auf den CPUs, denn dann sind die GPUs unnütz und ich hätte mir die schon längst eingespart und nicht eingebaut. Die Dinger werden schon für einen bestimmten Workload geplant, da packt keiner auf gut Glück irgendeine Hardware zusammen.
burnbabyburn2 schrieb:
Ich weiss es dass Intel damals die Xeon Phis unter Wert verkaufen musste selbst auf Unis wusste niemanden wozu man diese Dinger wirklich braucht, dazu würde ich gerne mal einen Benchmark sehen wo denn bitte Xeon Phi schneller ist als eine Radeon oder Nvidia Karte, ausserdem vergisst du gerne nur weil man eine CPU für den PCI Express braucht läuft die CPU doch nicht unter Vollast
Belastbare Quelle, außer Hörensagen von irgendjemand? Die Bilanz weißt das etwas anderes aus.
Schlechtes Personal?
Die CPU braucht man hier für mehr, dass sollte dir aber bekannt sein, wer sich "scheinbar" so auskennt. Denn die sammelt die Ergebnisse der GPU und führt diese zusammen. Die EDR Verbindungen müssen auch gefüttert werden. Kümmert sich das die Daten vom Storage kommen, für die Netzkommunikation ala MPI und leitet die fertigen Ergebnisse an den Supernode weiter.
burnbabyburn2 schrieb:
ja wenn wenn eine GPU 10 TFlop hat bei 250 Watt gegenüber einer Xeon Phi Karten mit 7.5 TFlop bei 250 Watt welche Karte ist dann effizienter ?
Fangen wir wieder an die Rohleistung zu vergleichen? Das klappt ja schon nicht bei NV vs. AMD. Das sollte man schon wissen..Hier lässt du auch wieder völlig außer acht, dass die Phi alleine rennt, die GPU zwingend ein Host und der braucht locker 200 Watt und im Betrieb beim Dual Socket oder Quad Socket 400 Watt sind überhaupt nichts. Schon ist die Effizienz bei der GPU wieder dahin.
burnbabyburn2 schrieb:
die CPU läuft ja auch nicht Vollast, außerdem vergisst du dabei gerne dass selbst Xeon Phi in Idle ca. 100 Watt braucht
Ich dachte wir wären im HPC, die Dinger sind für Monate bereits ausgebucht und laufen immer unter Vollast. Reicht ein Job nicht aus, mangels Parallelität, wird bereits der nächste verarbeitet. Das sollte man aber schon wissen, wenn man mit Fachbegriffen um sich wirft.
burnbabyburn2 schrieb:
der Punkt es gibt Problem die man besser auf einen Quadcore laufen lässt anstatt auf einer Xeon Phi Karte
Dann sind wir aber wieder bei einer Workstation und nicht bei HPC..Kinderzimmer sind wir jedenfalls nicht.
burnbabyburn2 schrieb:
zeig mir einen Benchmark oder Anwendung wo Xeon Phi jemals schneller war als eine GPU, das mit der Matrix Matrix Multiplikation stimmt so auch nicht weil diese Ineffizienz hauptsächlich durch den zu geringen Speicher kommt das betrifft aber auch Xeon Phis wenn dort der Speicher ausgeht, eine GPU erreicht ca. 90% an Peak Performance bei der Matrix Matrix Multiplikation und wie viel erreicht ein Xeon Phi Karten ca. 80 %
Bitte:
Intel’s Xeon Phi SE10P (red) beat Nvidia’s Tesla C2050 and K20 GPUs (light and dark green, respectively) in 18 out of 22 tests. The Xeon Phi also beat dual Xeon X5680s (each with six cores for 12 cores total, light blue) and dual Xeon E5-2670s (each with eight cores for 16 total, dark blue) in 15 out of 22 tests. Source: Ohio State
https://goparallel.sourceforge.net/independent-test-xeon-phi-shocks-tesla-gpu/
Jetzt schauen wir mal etwas tiefer in die real world applications im HPC:
Xeon Phi often outperforms Nvidia when running software that has not already been painfully hand-recoded to optimize them to run as many processes as possible in parallel on general-purpose GPUs, according to Anselm Busse and Jan Richling in Admin Network and Security magazine last year.
Da kannst du dir überlegen warum der Tianhe-2 auf Phi setzt statt auf GPUs. 6 Monate für die perfekte Optimierung ist viel zu lange für einen Job. Händische Optimierung bei Intel, braucht man kaum. Tools anwerfen, x86 Code rein, compile und schon läuft's ohne das ich mir 6 Monate lang sorgen machen muss wie ich das perfekt optimiere. Mach ich das nicht, verliert die GPU zu viel Performance und zack schlechter als die Phi. Deshalb hat Intel innerhalb von knapp 4 Jahren 1/3 der System mit Beschleuniger erobert. Die sind ja deiner Meinung ja völlig inkompetent denn die könnten viel mehr Performance liefern wenn sie denn GPUs verbauen würden. In der Realität sieht es aber ganz anders aus.
https://goparallel.sourceforge.net/next-gen-xeon-phi-supercomputer-gpu-killer/
Der Markt beweist dir genau das Gegenteil zu deinen Aussagen, sehr komisch. Alle dumm, lass dich einstellen.
