KOMPUTASI PARALEL(CUDA)

Nama               : Aji Prayitno

NPM               : 50414677

Kelas               : 4IA21

Mata Kuliah     : Pengantar Komputasi Modern

A.KOMPUTASI PARALEL

            Komputasi paralel adalah pengunaan sumber daya secara bersaman dalam proses komputasi. Komputasi paralel bisa menggunakan sebuah komputer dengan memanfaatkan beberapa procesor atau bisa juga dengan memanfaatkan beberapa komputer yang terhubung melalui jaringan (computer cluster) atau juga bisa menggunakan kombinasi dari keduanya

Komputasi Serial

Terlihat komputasi serial untuk mengatasi suaty problema atau masalah akan dibagi menjadi beberapa instruksi kemudian dijalankan secara satu persatu oleh CPU, instruksi selanjutnya akan dijalankan ketika instruksi sebelumnya sudah selesai jadi tidak bisa dijalankan secara bersaman. Ketika komputasi yang diperlukan besar maka otomatis akan memerlukan sumber daya yang besar juga.

Komputasi Paralel

Bagaimana komputasi paralel bekerja ketika ada suatu problem atau masalah akan membagi menjadi beberapa bagian problem yang masing-masing bagian memilki instruksi- instruksi yang bisa dijalankan bersamaan dengan instruksi-instruksi lain dengan memanfaatkan jumlah core pada CPU.

B. Graphics Procesing Unit (GPU)

            GPU (Graphics Procesing Unit) adalah salah satu teknologi pemrosesan data yang ada pada graphics card atau kartu grafis. GPU biasanya dipakai untuk keperluan multimedia seperti proses rendering. GPU memiliki banyak core untuk melakukan pemrosesan yang mendukung banyak pemrosesan dalam satu waktu. Karena awalnya GPU hanya ditujukan untuk keperluan multimedia jadi ketika tidak ada task atau tugas yang berhubungan dengan multimedia otomatis GPU tidak digunakan.

            GPU memiliki dua fitur yaitu GPU menggunakan banyak core dalam pemrosesan paralel untuk meningkatkan kinerja atau perfoma dan GPU memiliki memori bandwidth yang luas atau lebar untuk memberikan GPU kualitas transmisi data yang lebih baik.

C. CUDA

            CUDA (Compute Unified Device Architecture) merupakan toolkit NVIDA yang memungkinkan seorang programmer mengakses kartu grafis untuk tujuan komputasi umum. CUDA hanya jalan pada device kartu grafis yang dibuat oleh NVIDA. Untuk mengakses kartu grafis atsu GPU diperlukan pemrograman tersendiri yang mirip dengan bahasa C, karena bahasa C dikhususkan untuk pemrograman yang bisa mengakses hardware. Ekstensi progam dari CUDA adalah .cu

Keahlian daalm bahasa C setidaknya sangat diperlukan supaya memudahkan adaptasi dengan programing CUDA. Karena C dan CUDA merupakan bahasa compiler maka ketika menjalankan program seluruh code dalam akan dieksekusi secara keseluruhan dan cukup sedikt menyulitkan ketika melakukan debug erorr.

CUDA mendukung kerangka kerja pemrograman seperti OpenACC dan OpenCL. Ketika pertama kali diperkenalkan oleh Nvidia, nama CUDA adalah akronim untuk Compute Unified Device Architecture, tetapi Nvidia kemudian menjatuhkan penggunaan akronim. 

• Kemampuan  Program 

Platform CUDA dapat diakses oleh pengembang perangkat lunak melalui perpustakaan yang dipercepat CUDA, arahan kompilator seperti OpenACC, dan ekstensi untuk bahasa pemrograman standar industri termasuk C, C ++ dan Fortran.Programmer C / C ++ menggunakan 'CUDA C / C ++', dikompilasi dengan nvcc, kompiler C / C ++ berbasis LLVM dari Nvidia. Programmer Fortran dapat menggunakan 'CUDA Fortran', yang dikompilasi dengan compiler PGI CUDA Fortran dari The Portland Group.Selain pustaka, arahan kompilator, CUDA C / C ++ dan CUDA Fortran, platform CUDA mendukung antarmuka komputasi lainnya, termasuk OpenCL Khronos Group, Microsoft DirectCompute, OpenGL Compute Shaders, dan C ++ AMP. Pembungkus pihak ketiga juga tersedia untuk Python, Perl, Fortran, Java, Ruby, Lua, Common Lisp, Haskell, R, MATLAB, IDL, dan dukungan asli di Mathematica.

Dalam industri permainan komputer, GPU digunakan untuk perenderan grafis, dan untuk perhitungan fisika permainan (efek fisik seperti puing, asap, api, cairan); contoh termasuk PhysX dan Bullet. CUDA juga telah digunakan untuk mempercepat aplikasi non-grafis dalam biologi komputasi, kriptografi dan bidang lainnya dengan urutan besarnya atau lebih.

CUDA menyediakan API tingkat rendah dan API tingkat yang lebih tinggi. CUDA SDK awal dibuat publik pada 15 Februari 2007, untuk Microsoft Windows dan Linux. Dukungan Mac OS X kemudian ditambahkan dalam versi 2.0,yang menggantikan versi beta yang dirilis 14 Februari 2008. CUDA bekerja dengan semua GPU Nvidia dari seri G8x dan seterusnya, termasuk GeForce, Quadro dan garis Tesla. CUDA kompatibel dengan sebagian besar sistem operasi standar. Nvidia menyatakan bahwa program yang dikembangkan untuk seri G8x juga akan bekerja tanpa modifikasi pada semua kartu video Nvidia masa depan, karena kompatibilitas biner. 

CUDA 8.0 dilengkapi dengan pustaka berikut (untuk kompilasi & waktu proses, dalam urutan abjad):

1.     CUBLAS - CUDA Basic Linear Aljabar subrutin perpustakaan
2.     CUDART - CUDA RunTime library
3.     CUFFT - CUDA Transformasi Fourier Cepat
4.     CURAND - CUDA Random Number Generation library
5.     CUSOLVER - Koleksi berbasis CUDA dari pemecah langsung padat dan jarang
6.     CUSPARSE - CUDA Sparse Matrix library
7.     NPP - pustaka Kinerja NVIDIA Primitif
8.     NVGRAPH - pustaka Analisis Grafik NVIDIA
9.     NVML - Pustaka Manajemen NVIDIA
10.     NVRTC - NVIDIA RunTime Compilation library untuk CUDA C ++

CUDA 8.0 dilengkapi dengan komponen perangkat lunak lain ini:

1.     nView - NVIDIA nView Desktop Management Software
2.     NVWMI - Toolkit Manajemen Perusahaan NVIDIA(chm)
3.     PhysX - GameWorks PhysX adalah mesin permainan fisika multi-platform,

Daftar pustaka:

http://kumikochiba.blogspot.com/2018/06/tugas-3-pengantar-komputasi-modern.html?q=paralel&view=sidebar

http://citee.ft.ugm.ac.id/download51.php?f=64-%20Muhammad%20Koprawi%20-%20Analisis%20Performa%20Komputasi%20Paralel.pdf