Ta dễ thấy GPU có hiệu suất tính toán cao hơn hẳn so với CPU.
Kích cỡ file đầu vào Thời gian chạy trên CPU Thời gian chạy trên GPU
664911 bytes 0.941079536 seconds 0.265264969 seconds 1189270 bytes 1.064967493 seconds 0.188594010 seconds 4337261 bytes 2.624178762 seconds 0.317496639 seconds 8132164 bytes 5.940836913 seconds 0.444080242 seconds 25724901 bytes 14.598369270 seconds 0.981748010 seconds
Hướng phát triển
Với bài toán thử nghiệm trong luận văn cho thấy đối với các dữ liệu đầu vào dung lượng lớn thì việc chạy trên GPU cho tốc độ tính toán nhanh hơn nhiều lần so với tiến hành trên CPU. Ngày nay với sự phát triển của các ngành khoa học, và của các dịch vụ internet thương mại nhu cầu tính toán là rất lớn. Việc phát triển, cài đặt các thuật toán trên 1 hoặc nhiều GPU là một nhu cầu có thực và cấp thiết. Trong tương lai tác giả sẽ tiếp tục nghiên cứu phát triển cài đặt các thuật toán, các phương pháp mã hóa khác trên nền tảng GPU.
KẾT LUẬN
Luận văn đã nghiên cứu tổng quan về xử lý song song. Đồng thời luận văn cũng nghiên cứu về bộ xử lý đồ họa GPU, cùng công cụ lập trình GPU phổ biến hiện nay là CUDA. Đó là tiền đề để nghiên cứu cách xử lý song song trên bộ xử lý đồ họa GPU sao cho hiệu quả nhất. Trong chương 3 luận văn cũng trình bày một cách cơ bản về thuật toán mã hóa tương đối mới hiện nay đó là thuật toán mã hóa AES. Với những kiến thức đã nghiên cứu và tổng hợp của luận văn. Tác giả đã đưa ra chương trình thực nghiệm song song xử lý mã hóa AES với GPU thông qua công cụ lập trình CUDA. Và so sánh với chương trình mã hóa AES bằng chương trình tuần tự xử lý trên GPU. Trên kết quả nghiên cưu được thông qua bộ dữ liệu đầu vào từ nhỏ và lớn dần đã cho thấy sự khác biệt và hiệu quả rõ rệt khi sử dụng GPU.
Với các kết quả dựa trên các nghiên cứu tổng quan về công nghệ GPU cũng như về CUDA và kết quả trên chương trình thực nghiệm. Hy vọng sẽ giúp đưa ra các giải pháp cho các nhà quản lý và các nhà phát triển phần cứng cũng như phần mềm để cải thiện tốc độ tính toán sao cho đạt được kết quả tốt nhất.
TÀI LIỆU THAM KHẢO
Tài liệu tiếng việt
[1] Trương Văn Hiệu (2011), “Nghiên cứu các giải thuật song song trên hệ thống xử lý đồ họa GPU đa lõi”, luận văn thạc sĩ, trường Đại học Đà Nẵng.
[2] Nguyễn Việt Đức – Nguyễn Nam Giang (2012), ”Xây dựng thuật toán song song tìm đường đi ngắn nhất với CUDA”, luận văn thạc sỹ, trường Đại học Công nghệ Hồ Chí Minh.
[3] Nguyễn Thị Thùy Linh (2009), “Tính toán hiệu năng cao với bộ xử lý đồ họa GPU và ứng dụng”, luận văn thạc sĩ, trường Đại học Công nghệ Hà Nội.
[4] Nguyễn Thị Dung (2013), “Hệ mã hóa AES”, tiểu luận, trường đại học công nghệ , Đại học Quốc gia Hà Nội.
[5] Lưu Thị Thúy Linh (2013), “Nghiên cứu một vài khía cạnh về độ an toàn của AES”, luận văn thạc sĩ, Học viện Công nghệ bưu chính viễn thông.
Tài liệu tiếng anh
[6] Jason Sanders, Edward Kandrot, “CUDA by example”, an introduction to General- Purpose GPU programming.
[7] Maciej Matyka, “GPGPU programming on example of CUDA”, Institute of Theoretical Physics University of Wroclaw.
[8] NVIDIA, “High performance computing with CUDA”, Users Group Conference San Diego, CA June 15, 2009.