gpu是电脑的图形处理器，cpu是电脑的中央处理器。cpu一般由逻辑运算单元、控制单元和存储单元组成，是信息处理、程序运行的最终执行单元。gpu是一种专门在个人电脑和一些移动设备上做图像和图形相关运算工作的微处理器。
gpu 是电脑的图形处理器，cpu 是电脑的中央处理器。cpu 一般由逻辑运算单元、控制单元和存储单元组成，是信息处理、程序运行的最终执行单元。gpu 是一种专门在个人电脑和一些移动设备上做图像和图形相关运算工作的微处理器，实现图形加速，现在最主要的是实现 3d 图形加速。gpu 的核数远超 cpu，被称为众核，但每个核拥有的缓存大小相对小。
cpu 和 gpu 之所以大不相同，是由于其设计目标的不同，它们分别针对了两种不同的应用场景。cpu 需要很强的通用性来处理各种不同的数据类型，同时又要逻辑判断又会引入大量的分支跳转和中断的处理。这些都使得 cpu 的内部结构异常复杂。而 gpu 面对的则是类型高度统一的、相互无依赖的大规模数据和不需要被打断的纯净的计算环境。
gpu 采用了数量众多的计算单元和超长的流水线，但只有非常简单的控制逻辑并省去了 cache。而 cpu 不仅被 cache 占据了大量空间，而且还有有复杂的控制逻辑和诸多优化电路，相比之下计算能力只是 cpu 很小的一部分。
cache, local memory： cpu > gpu
threads(线程数): gpu > cpu
registers: gpu > cpu 多寄存器可以支持非常多的 thread,thread 需要用到 register,thread 数目大，register 也必须得跟着很大才行。
simd unit(单指令多数据流,以同步方式，在同一时间内执行同一条指令): gpu > cpu。
cpu 基于低延时的设计
cpu 有强大的 alu（算术运算单元）,它可以在很少的时钟周期内完成算术计算。当今的 cpu 可以达到 64bit 双精度。执行双精度浮点源算的加法和乘法只需要 1～3 个时钟周期。cpu 的时钟周期的频率是非常高的，达到 1.532～3gigahertz(千兆 hz, 10 的 9 次方)。
大的缓存也可以降低延时。保存很多的数据放在缓存里面，当需要访问的这些数据，只要在之前访问过的，如今直接在缓存里面取即可。复杂的逻辑控制单元。当程序含有多个分支的时候，它通过提供分支预测的能力来降低延时。
数据转发。 当一些指令依赖前面的指令结果时，数据转发的逻辑控制单元决定这些指令在 pipeline 中的位置并且尽可能快的转发一个指令的结果给后续的指令。这些动作需要很多的对比电路单元和转发电路单元。
gpu 是基于大的吞吐量设计
gpu 的特点是有很多的 alu 和很少的 cache. 缓存的目的不是保存后面需要访问的数据的，这点和 cpu 不同，而是为 thread 提高服务的。如果有很多线程需要访问同一个相同的数据，缓存会合并这些访问，然后再去访问 dram（因为需要访问的数据保存在 dram 中而不是 cache 里面），获取数据后 cache 会转发这个数据给对应的线程，这个时候是数据转发的角色。但是由于需要访问 dram，自然会带来延时的问题。
gpu 的控制单元（左边黄色区域块）可以把多个的访问合并成少的访问。
gpu 的虽然有 dram 延时，却有非常多的 alu 和非常多的 thread. 为啦平衡内存延时的问题，我们可以中充分利用多的 alu 的特性达到一个非常大的吞吐量的效果。尽可能多的分配多的 threads.通常来看 gpu alu 会有非常重的 pipeline 就是因为这样。所以与 cpu 擅长逻辑控制，串行的运算。和通用类型数据运算不同，gpu 擅长的是大规模并发计算，这也正是密码破解等所需要的。所以 gpu 除了图像处理，也越来越多的参与到计算当中来。
gpu 的工作大部分就是这样，计算量大，但没什么技术含量，而且要重复很多很多次。就像你有个工作需要算几亿次一百以内加减乘除一样，最好的办法就是雇上几十个小学生一起算，一人算一部分，反正这些计算也没什么技术含量，纯粹体力活而已。而 cpu 就像老教授，积分微分都会算，就是工资高，一个老教授资顶二十个小学生，你要是富士康你雇哪个？gpu 就是这样，用很多简单的计算单元去完成大量的计算任务，纯粹的人海战术。这种策略基于一个前提，就是小学生 a 和小学生 b 的工作没有什么依赖性，是互相独立的。很多涉及到大量计算的问题基本都有这种特性，比如你说的破解密码，挖矿和很多图形学的计算。这些计算可以分解为多个相同的简单小任务，每个任务就可以分给一个小学生去做。但还有一些任务涉及到“流”的问题。比如你去相亲，双方看着顺眼才能继续发展。总不能你这边还没见面呢，那边找人把证都给领了。这种比较复杂的问题都是 cpu 来做的。
总而言之，cpu 和 gpu 因为最初用来处理的任务就不同，所以设计上有不小的区别。而某些任务和 gpu 最初用来解决的问题比较相似，所以用 gpu 来算了。gpu 的运算速度取决于雇了多少小学生，cpu 的运算速度取决于请了多么厉害的教授。教授处理复杂任务的能力是碾压小学生的，但是对于没那么复杂的任务，还是顶不住人多。当然现在的 gpu 也能做一些稍微复杂的工作了，相当于升级成初中生高中生的水平。但还需要 cpu 来把数据喂到嘴边才能开始干活，究竟还是靠 cpu 来管的。
什么类型的程序适合在 gpu 上运行
1.计算密集型的程序。所谓计算密集型(compute-intensive)的程序，就是其大部分运行时间花在了寄存器运算上，寄存器的速度和处理器的速度相当，从寄存器读写数据几乎没有延时。可以做一下对比，读内存的延迟大概是几百个时钟周期；读硬盘的速度就不说了，即便是 ssd, 也实在是太慢了。
2.易于并行的程序。gpu 其实是一种 simd(single instruction multiple data)架构， 他有成百上千个核，每一个核在同一时间最好能做同样的事情。
简而言之，当程序员为 cpu 编写程序时，他们倾向于利用复杂的逻辑结构优化算法从而减少计算任务的运行时间，即 latency。当程序员为 gpu 编写程序时，则利用其处理海量数据的优势，通过提高总的数据吞吐量（throughput）来掩盖 lantency。目前，cpu 和 gpu 的区别正在逐渐缩小，因为 gpu 也在处理不规则任务和线程间通信方面有了长足的进步。另外，功耗问题对于 gpu 比 cpu 更严重。
