什么叫CPU里的整数运算和浮点运算,各有什么用途?

整数运算是指得到的结果是一个整数，并且计算结果中的小数部分将被忽略。 整数运算虽然只能运算一个相对较小的数值范围，但这种表示是精确的。大多数机器都是32位的，也就是说32位都用来表示整数的话，那么对于无符号整数就是0 到 2^32-1，对于有符号的话就是-2^31 到 2^31-1。

浮点运算是指得到的结果是一个浮点数，计算结果中的小数部分将保留下来。浮点运算虽然可以运算一个较大的数值范围，但其表示只是近似的。因为计算机只能存储整数，所以实数都是约数，这样浮点运算是很慢的而且会有误差。

整数运算用于CPU中央处理器，在科学计算中，中央处理器可以通过整数运算，加快运算速度和提高系统执行效率。

在大多数情况下，浮点运算用于CPU辅助处理器，完成中央处理器完成其无法执行或执行效率、效果低下的处理工作。

扩展资料：

由于浮点运算适合两个数之间的任何运算，因此它需要非常多的资源。在没有 FPU 的处理器上，这些运算全部由软件通过 C 编译器库完成，并且对程序员不可见；但这样做性能非常低。在有 FPU 的处理器上，对于大部分指令而言，所有运算都由硬件在单个周期内完成。

C 编译器不使用其自身的浮点库，但会直接生成 FPU 原生指令。在有 FPU 的处理器上执行数学算法时，程序员不必在性能和开发时间之间做出选择。利用FPU，可以通过 matlab 或 scilab 等高级工具直接可靠地使用任何生成的代码，同时确保实现性能。

整数运算成绩：7468GIPS/s 浮点运算成绩：5672GIPS/s 测试i7 870
不知道你了解这个干什么用，是不是做3D的？
桌面级的浮点运算能力，intel比不上AMD。
想做3D服务器的话一般i7或者至强都可以，要大型服务器的话，用IBM，浮点能力超强悍！
这是AMDT1066与i7-870浮点评测>GPU主要是进行是进行图形渲染的 有人说GPU的性能达到CPU的40倍这个说法是很不全面的 如果光说GPU在并行和密集浮点运算上达到CPU40倍性能这个或许可行（个人认为没有这么夸张，最好的GPU能达到最好的CPU的10倍就很令人吃惊的了，况且现在CPU出现了多核，这使CPU的运算大大提高了，而GPGPU貌似还限于单核），但在全运算上这么说就很没根据了 其实把GPU当作普通处理器使用依然有着不小的难度，其中最要命的恐怕就是GPU是被专门设计来处理图形，因此它的编程语言架构和编程环境都难通用。GPU运行非图形程序时，往往需要依靠极其复杂的算法和较为曲折的流程，GPU的强大运算潜力很多时候就在这样的迂回过程中被一点点耗尽。 除此以外，由于没有统一的API和驱动支持，GPU程序的开发者不得不针对每个GPU架构开发对应的版本，使得把GPU当作普通处理器项目的推进难度倍增。

以下表格记录了中国计算机发展历史:
1958年，中科院计算所研制成功我国第一台小型电子管通用计算机103机(八一型),标志着我国第一台电子计算机的诞生。
1965年，中科院计算所研制成功第一台大型晶体管计算机109乙，之后推出109丙机，该机为两d试验中发挥了重要作用；
1974年，清华大学等单位联合设计、研制成功采用集成电路的DJS-130小型计算机，运算速度达每秒100万次；
1983年，国防科技大学研制成功运算速度每秒上亿次的银河-I巨型机，这是我国高速计算机研制的一个重要里程碑；
1985年，电子工业部计算机管理局研制成功与IBM PC机兼容的长城0520CH微机。
1992年，国防科技大学研究出银河-II通用并行巨型机，峰值速度达每秒4亿次浮点运算(相当于每秒10亿次基本运算 *** 作)，为共享主存储器的四处理机向量机，其向量中央处理机是采用中小规模集成电路自行设计的，总体上达到80年代中后期国际先进水平。它主要用于中期天气预报；
1993年，国家智能计算机研究开发中心（后成立北京市曙光计算机公司）研制成功曙光一号全对称共享存储多处理机，这是国内首次以基于超大规模集成电路的通用微处理器芯片和标准UNIX *** 作系统设计开发的并行计算机；
1995年，曙光公司又推出了国内第一台具有大规模并行处理机(MPP)结构的并行机曙光1000(含36个处理机)，峰值速度每秒25亿次浮点运算，实际运算速度上了每秒10亿次浮点运算这一高性能台阶。曙光1000与美国Intel公司1990年推出的大规模并行机体系结构与实现技术相近，与国外的差距缩小到5年左右。
1997年，国防科大研制成功银河-III百亿次并行巨型计算机系统，采用可扩展分布共享存储并行处理体系结构，由130多个处理结点组成，峰值性能为每秒130亿次浮点运算，系统综合技术达到90年代中期国际先进水平。
1997至1999年，曙光公司先后在市场上推出具有机群结构(Cluster)的曙光1000A，曙光2000-I，曙光2000-II超级服务器，峰值计算速度已突破每秒1000亿次浮点运算，机器规模已超过160个处理机，
1999年，国家并行计算机工程技术研究中心研制的神威I计算机通过了国家级验收，并在国家气象中心投入运行。系统有384个运算处理单元，峰值运算速度达每秒3840亿次
2000年，曙光公司推出每秒3000亿次浮点运算的曙光3000超级服务器。
2001年，中科院计算所研制成功我国第一款通用CPU——“龙芯”芯片
2002年，曙光公司推出完全自主知识产权的“龙腾”服务器，龙腾服务器采用了“龙芯-1”CPU，采用了曙光公司和中科院计算所联合研发的服务器专用主板，采用曙光LINUX *** 作系统，该服务器是国内第一台完全实现自有产权的产品，在国防、安全等部门将发挥重大作用。
2003年，百万亿次数据处理超级服务器曙光4000L通过国家验收，再一次刷新国产超级服务器的历史纪录，使得国产高性能产业再上新台阶

Gpu服务器自带深度学习框架，GPU一个比较重要的优势就是他的内存结构，首先是共享内存，每个流处理器集群末端设有共享内存，提供深度学习框架。服务器性能主要决定于GPU的浮点运算能力，对深度学习任务来说，单精浮点运算以及更低的半精浮点运算性能则更为重要。

GPU使显卡减少了对CPU的依赖，并进行部分原本CPU的工作，尤其是在3D图形处理时GPU所采用的核心技术有硬件T&L、立方环境材质贴图和顶点混合、纹理压缩和凹凸映射贴图、双重纹理四像素256位渲染引擎等，而硬件T&L技术可以说是GPU的标志。

制造工艺

集成电路发展到纳米级工艺 ，不断逼近物理极限 ，出现了所谓红墙问题，一是线的延迟比门的延迟越来越重要。长线不仅有传输延迟问题，而且还有能耗问题。二是特征尺寸已小到使芯片制造缺陷不可避免，要从缺陷容忍、故障容忍与差错容忍等三个方面研究容错与避错技术。

以上内容参考  百度百科-gpu

为了让服务器提供各种不同的服务，实现各种不同的用途，通常需要在服务器上安装各种软件。因此服务器按照功能可以划分为文件服务器、数据库服务器、邮件服务器、Web服务器、DNS服务器
1文件服务器
文件服务器是以文件数据共享为目标。它的特点是将供多台计算机共享的文件存放于一台计算机中，这台计算机被称为文件服务器，如Windows Server 2003文件服务器。
2数据库服务器
安装了不同的数据库软件，提供不同的数据库服务的服务器被称为数据库服务器，如Oracle数据库服务器、MySQL数据库服务器、Microsoft SQL Server数据库服务器等。
3邮件服务器
邮件服务器是用户所需要的重要的网络服务之一。没有邮件服务器的网络是不完整的网络。提供邮件功能的服务器被称为邮件服务器。它们通常安装的软件包括WebEasyMail、Sendmail、Postfix、Qmail、Microsoft Exchange等。
4Web服务器
web服务器也是网络服务器，如Apache、IIS等搭建的服务器，其目的是提供Web网页服务。
5DNS服务器
提供域名服务的服务器称之为DNS服务器。通过DNS服务器，可以实现域名服务的查询、应答。
6代理服务器
代理服务器的功能好比网络的中转站，主要功能如下。
7FTP服务器
FTP服务器是提供FTP服务的服务器，掌握了FTP账户和密码登录FTP服务器后，可以对服务器的文件进行上传、下载、删除、修改等 *** 作。Windows下最广泛使用的FTP服务器软件是Serv-U；Linux下最广泛使用的FTP服务器软件是VsFTP。
8应用服务器
这类服务器是提供各种不同应用服务器的统称，如网络游戏服务器。例如，传奇游戏服务器通过8000端口提供游戏过程中服务器与游戏玩家的客户端之间的数据传输以及处理；QQ聊天软件通过QQ服务器来传输文字、视频、音频数据等。
所以应用服务器指的是通过制定的网络端口与客户端计算机进行特定的数据交互的服务器。
9>

浮点是算指数运算用的，整点是算加减，在CPU运算中都很重要。

实际上日常的绝大多数应用都是整数计算为主的程序(会包含少量浮点指令), 而只有科学计算程序会包含大量浮点代码 这个结论和常识并不符, 但是经得起推敲 实际上可以用整数单元做的工作, 编译器一般不会特地动用浮点单元; 有时, 一些高精度数据结构要靠浮点单元来计算, 但是这些代码混入整个程序后, 浮点 *** 作所占的比例仍然不高

作者：Ricky Li
链接：>

所以现在CPU是更加倾向于整数运算，

引申到AMD于2011年发布的桌面处理器架构Bulldozer, 其中就有加强整数计算单元, 减少浮点计算单元的逻辑:

可以看到Bulldozer模块中, 两个线程会共用同一个浮点计算单元 这款处理器本是为服务器应用而设计的, 减少了使用频率低的浮点计算单元

首先，「速度区别主要是来自于架构上的区别」是一个表面化的解释。对，架构是不同。但是这种不同是目前各个厂家选择的现状，还是由于本质的原因决定的？CPU 能不能增加核？GPU 那张图为什么不需要 cache？
首先，CPU 能不能像 GPU 那样去掉 cache？不行。GPU 能去掉 cache 关键在于两个因素：数据的特殊性（高度对齐，pipeline 处理，不符合局部化假设，很少回写数据）、高速度的总线。对于后一个问题，CPU 受制于落后的数据总线标准，理论上这是可以改观的。对于前一个问题，从理论上就很难解决。因为 CPU 要提供通用性，就不能限制处理数据的种类。这也是 GPGPU 永远无法取代 CPU 的原因。
其次，CPU 能不能增加很多核？不行。首先 cache 占掉了面积。其次，CPU 为了维护 cache 的一致性，要增加每个核的复杂度。还有，为了更好的利用 cache 和处理非对齐以及需要大量回写的数据，CPU 需要复杂的优化（分支预测、out-of-order 执行、以及部分模拟 GPU 的 vectorization 指令和长流水线）。所以一个 CPU 核的复杂度要比 GPU 高的多，进而成本就更高（并不是说蚀刻的成本高，而是复杂度降低了成片率，所以最终成本会高）。所以 CPU 不能像 GPU 那样增加核。
至于控制能力，GPU 的现状是差于 CPU，但是并不是本质问题。而像递归这样的控制，并不适合高度对齐和 pipeline 处理的数据，本质上还是数据问题。

---