Control Processing Unit dan Graphical Processing Unit
Persamaan CPU dan GPU
Unit Pemprosesan (_Porcessor_)
- Baik CPU (Central Processing Unit) dan GPU (Graphical Processing Unit) adalah unit pemprosesan yang dirancang untuk melakukan kalkulasi dan mengeksekusi instruksi.
Memiliki Core Inti
- Keduanya memiliki jumlah core, walaupun jumlah core dari keduanya berbeda-beda.
Berfungsi untuk komputasi
- Keduanya digunakan untuk menjalankan komputasi, baik itu general purpose (CPU) dan pararel processing (GPU).
Memiliki Memory Controller
- CPU dan GPU, keduanya mengelola memori untuk menyimpan dan memproses data.
Perbedaan CPU dan GPU
Aspek | CPU | GPU |
---|---|---|
Fungsi Utama | Mengelola dan mengeksekusi instruksi umum (general-purpose processing) | Mengelola komputasi pararel (Grafis, video, AI, Scientific Computing) |
Jumlah Core | Lebih sedikit, biasanya antara 4 core - 16 Core | Memiliki banyak core, hingga ribuan core |
Arsitektur Core | Kompleks, mampu menangani bergai instruksi | Sederhana, dimaksimalkan untuk kalkulasi pararel |
Kecepatan Clock | Tingg (2 ~ 4 GHZ) | Lebih rendah dibandingkan dengan CPU (1 ~ 2 GHZ) |
Komputasi Pararel | Terbatas pada multithreading | Sangat kuat untuk komputasi pararel (multi threading). SIMD , Single Instruction Multiple Data |
Tugas Utama | Menjalankan Operating System, aplikasi umum, kontrol Input/Output | Rendering Grafis, Machine Learning, Kriptogradi, dan simulasi |
Latency dan Respons | Rendah (Respone cepat untuk tugas single thread) | Tinggi (Respone cepat untuk tugas multi thread) |
Cara Kerja CPU
Fetch
- Mengambil instruksi dari memori (RAM).Decode
- mengubah instruksi menjadi sinyak yang bisa dipahami olehunit controll CPU
.Execute
- Melakukan perhitungan atau instruksi di ALU (Arithmetic Logic Unit).Writeback
- Menyimpan hasil eksekusi ke memori atau register.Control & Scheduling
- CPU memiliki control unit yg bertugas untuk ; a. Mengatur jalannya proses b. Mengatur interrupt c. Multitasking dengan sistem operasi
Kelebihan CPU
- Fleksibel, dapat menjalankan berbagai jenis perintah.
- Cocok untuk task yang membutuhkan instruksi berurutan.
- Cepat dalam mengakses memori utama.
Cara Kerja GPU
Masive Parallelism
- GPU memliki ratusan hingga ribuan core yang bekerja secara pararel.Single Instruction Multiple Data (SIMD) Model
- Menjalankan instruksi yang sama secara bersamaan pada banyak data (Rendering, Grafis).Pipelining & Batch Processing
- memproses data dalam batch besar dengan pipeline yang dioptimalkan.Specialized Memory Access
- GPU memiliki memori sendiri, yaitu VRAM, yang dapat diakses lebih cepat oleh core-core-nya.
Kelebihan GPU
- Sangat efesien untuk komputasi data besar secara pararel (Data Training, Deep Learning)
- Lebih tinggi througout dari pada CPU untuk tugas-tugas yang dilakukan pararel.