哈希游戏- 哈希游戏平台- 哈希游戏官方网站

　　由于前面所述的限制，传统的 GPGPU 开发具有很大的难度，而且由于无法充 分利用 GPU 的资源并且很多的开发精力是用在将应用转换到图形 API 上，这就限 制了 GPU 用作通用计算的应用范围，并且影响了 GPU 进行通用运算的性能。为了 改变这一现状， NVIDIA 公司在 2006 年年底推出了一种利用 GPU 进行通用计算开 发的架构，称作统一计算设备架构，简称为 CUDA [5]。它对 GPU 的结构和资源进 行了抽象表示，并且为 GPU 的资源提供了访问接口，这就使得开发者能够根据抽 象的 GPU 结构进行通用计算应用的设计，并且可以充分利用到 GPU 中的资源。

　　研究分析了高计算吞吐量场合对 MD5 哈希函数的应用需求，根据具体的应用 需求设计了相应的 GPU 加速的 MD5 函数接口 API 和并行运算结构。为了达到更高 的性能，根据 GPU 的资源特性和算法的特点进行了共享内存的并行访问等多个方 面的优化设计。最后在 GPU 和 CPU 平台上对设计进行了实验对比，获得了 GPU 的加速结果，并对实验结果和设计中的各种优化的效果进行了深入的分析，为今后 其他算法的 GPU 加速实现提供了指导。

　　处理的场合，因此把 GPU 用作 CPU 的协处理器，将哈希算法在 GPU 上实现来用于 高速网络和存储系统中数据的处理，不但可以提高数据处理的吞吐速率，还可以把 服务器的 CPU 资源节省下来以更好的执行其他任务，这就可以很大程度的提高系统 性能。而且使用 GPU 相比于硬件实现具有很多优势：首先，CUDA 提供了良好的 GPU 通用计算开发方式，便于 CPU 上的算法移植；其次，开发完成的系统容易维 护和升级，可以开发多种加密算法的实现，组成一个通用库；最后由于 GPU 作为 一种通用的电子消费品，市场需求众多，使得其价格较低，可以降低系统成本。

　　网络速度和信息数据量的飞速增长，对加密系统的性能要求越来越高。由于数 据量的增长速度超过了 CPU 运算能力的增长速度，在高速网络和高数据密度的应 用环境下哈希摘要的计算吞吐速率就往往难以满足系统的要求从而影响系统的性 能。近年来，已有很多公司和研究机构提出了诸多的硬件实现方案[1,2,3,4]，较大的提 高了哈希加密的吞吐速率。然而，硬件实现需要较长的开发周期和很高的成本，并 且硬件实现不灵活，不易后续的升级和维护，而且只适合做部分算法的实现，限制 了应用领域和范围。

　　论文中对 MD5 哈希函数加密算法进行了介绍，分析了 MD5 的原理和应用场合， 尤其是对哈希摘要计算吞吐量要求较高的场合。提出在哈希摘要计算吞吐量要求很 高的环境中利用 GPU 来加速 MD5 等哈希加密函数，即利用 GPU 作为 CPU 的协处 理器，将哈希等加密算法在 GPU 上实现，以提高计算的吞吐量。对 GPU 用作通用 计算的开发架构 CUDA 进行了研究，详细分析了 CUDA 的编程模型及其对 GPU 结 构和资源的抽象方式，分析了数据处理应用中数据在 GPU 中的执行路径，提出了 影响 GPU 运算性能的时间因子，为对 GPU 执行开销的评估以及应用程序中需要优 化部分的确定提供了参考。

　　近几年图形处理器 GPU 已经成为普及的电子消费品，并且在市场需求的驱动 下， GPU 已经发展成为具有巨大运算能力和极高内存带宽的并行多核处理器，近 几年 NVIDIA 的 GPU 与 INTEL 的 CPU 的浮点数运算能力峰值的发展情况如图 1-1 所示[5]。Cope 在 2005 年也对 GPU 和 FPGA 的性能进行了比较，发现在某些信号处 理任务中使用 GPU 的运算性能超过了 FPGA[6]。