写在前面：分布式计算公益性简介： 我们相信每个人都拥有博大的胸怀，拥有一颗仁爱的心，同时拥有强烈的社会责任感。我们虽属于不同的职业，不同的社会背景，甚至带着不同的肤色，但都希望自己能最大化地实现自我，同时贡献于全人类。
对于广大的硬件爱好者，当我们在上网、欣赏电影、处理文档时，我们会发现很多硬件资源在无畏地浪费，即使在玩
游戏时，也不是所有的硬件资源都得到良好利用。其实我们完全可以找一种方式来共享我们的资源，把它给最需要的人们。
特别是在科学领域，研究人员正需要更多的硬件玩家来配合，帮助完成大量计算工作，以此来攻克科学难题、破解天文奥秘、研究生命科学——这就产生了分布式计算，一种全新的工作模式。
强大的流处理器资源可以使得GPU的速度超越CPU数十倍
我不知自己的拙笔能不能把心中的愿望准确的告诉大家，但我希望分布式计算能得到更多人的支持和关注，请相信：我们完全可以用自己的力量为人类科学发展贡献力量。特别是
NVIDIA和AMD生产的高性能
显卡目前正迅速普及，强大的流处理器资源可以使得GPU的速度超越CPU数十倍。即使是一块再普通不过的8600GT，也拥有极其强大的运算能力，速度和效能远远领先于CPU。
GPU拥有庞大的流处理器规模，这就意味着强劲的运算速度。
硬件玩家一定不想错过这次机会，不仅能贡献富余的运算力量，更能测试自己显卡在通用计算方面的性能。我们的首选[email=——Folding@home]——Folding@home[/email]，是一个由斯坦福大学主持，全球主要硬件厂商共同参与的大规模公益性分布式运算项目。
Folding@home能完成什么工作
[email=Folding@home]
Folding@home[/email]能了解蛋白质折叠、误折以及相关的疾病。目前进行中的研究有：癌症、阿兹海默症（老年失智症）、亨廷顿病、成骨不全症、帕金森氏症、核糖体与抗生素。
[email=Folding@home]
Folding@home[/email]是一个研究研究蛋白质折叠，误折，聚合及由此引起的相关疾病的分布式计算工程。我们使用联网式的计算方式和大量的分布式计算能力来模拟蛋白质折叠的过程，并指引我们近期对由折叠引起的疾病的一系列研究。
蛋白质效果图
您可以
下载并运行我们的客户端程序。更多的计算机加入此工程，此工程计算的速度就越快，就会计算出蛋白质在更长时间内的折叠，距离科学家找到最终答案也就越来越近。
相关知识：什么是蛋白质？它们是怎么折叠的呢？
蛋白质是一个生物体系的
网络基础，它们是一个个纳米级计算机。在蛋白质实现它的生物功能之前，它们会把自己装配起来，或者说是折叠；虽然蛋白质折叠对所 有的生物来说是最基本的和最明确的事实，但它的折叠过程对人类而言仍然是个未解之谜。此外，当蛋白质没有正确的折叠（误折）无疑会产生严重的后果，包括许多知名的疾病，比方阿兹海默症(Alzheimer's)，疯牛病(Mad Cow, BSE)，可传播性海绵状脑病(CJD)，肌萎缩性脊髓侧索硬化症(ALS)，还有帕金森氏症(Parkinson's)。
Folding@home——硬件玩家的福音
[email=Folding@home]
Folding@home[/email]称得上是网格分布式计算与
GPU通用计算的完美结合。特别是在这里，你可以
下载GPU专用高性能客户端，尽情发挥
显卡的通用计算作用，看着GPU完成一个工作单位（WU）只需要几个小时，而CPU需要几天，一定是一件特别兴奋的事。
众多小鱼的力量足以超过任何一条大鱼
这张
图片形象地概括了分布式运算的原理：众多小鱼的力量足以超过任何一条大鱼，计算机就是最典型的例子。我们每个参与者都是小鱼，但任何人不要低估了小鱼的力量。
下面让我们简单了解这几种运算概念。
分布式网格运算：
《福布斯》杂志预测：信息技术的下一波大
浪潮将造就2005～2020年十五年的黄金时代。到2020年，由此产生的互联网将成长为一个20万亿美元产值的大工业。这一波的本质特征，就是万维网升
华为网格。
网格运算是伴随着互联网而迅速发展起来的
网格运算是伴随着互联网而迅速发展起来的，专门针对复杂科学计算的新型计算模式。它把分散在不同地理位置的计算机组织成一个“虚拟超级计算机”，其中每一台参与运算的计算机就是一个“节点”，整个运算
网络就是网格。
分布式计算是近年提出的一种新的计算方式。所谓分布式计算就是在两个或多个
软件互相共享信息，这些软件既可以在同一台计算机上运行，也可以在通过网络连接起来的多台计算机上运行。实际上，网格计算就是分布式计算的一种。
如果我们说某项工作是分布式的，那么，参与这项工作的一定不只是一台计算机，而是一个计算机网络，显然这种“蚂蚁搬山”的方式将具有很强的数据处理能力。来自
NVIDIA官方的科学测算告诉我们：即使全球NVIDIA CUDA显卡用户中只有1％参与到Folding@home项目中来，也能让这一项目迅速成为全球最强大的高性能计算系统，处理能力可达60-80PFLops。据称，GeForce GTX 200显卡可以在一天内模拟超过650纳秒的蛋白质折叠，而
四核心
处理器则不过4纳秒。这就是说，GeForce GTX 200在这方面的性能是四核心处理器的160多倍。
通用计算：
这里的通用计算特别指GPU通用计算，它可以将GPU强大的浮点运算能力通用到很多项目中，在很多地方，GPU通用计算被称作GPGPU。GPGPU全称是General Purpose GPU，即通用计算图形处理单元的意思。GPGPU着重于利用GPU的可编程性，让GPU去实现处理3D图形以外的计算应用。在已经发表的众多论文中，GPU已经能够实现音频处理、有限元分析、流体模拟等众多应用。
自从GeForce 3拉开GPU可编程序幕之后，所有显卡厂商都开始在GPU的可编程性能上苦下功夫。到了
DirectX 9时代，微软定义的Shader已经赋予了程序员极大的灵活性，程序员需要实现的多数图形效果，都能通过编写Shader实现。所谓的Shader实际上就是一段段专门为GPU编写的代码，用于实现各种特定的图形操作。如果将Shader替换成其他可执行的程序，显卡是否也能极大地加速这些程序的运行呢？一颗主频为3GHz的Core2 Duo处理器的理论浮点计算速度为48GFLOPs/s，而GeForce 8800GTX的计算能力则达到惊人的346GFLOPs/s，最新的AMD HD4850凭借800个流处理器的规模优势，能达到1TFLOPs/s。与CPU相比，GPU在浮点运算上的优势非常明显！
在2003年SIGGRAPH大会上，通用计算浮出水面并引起所有人的关注。随着GPU编程环境逐步优化和GPU结构演变，越来越多的任务可以通过GPU来完成。特别是一些高密度的科学运算，CPU已经严重体力不支，而新兴的GPU运算则带来的巨大的性能提升。
AMD在folding@home方面的表现比NVIDIA更早
AMD在folding@home方面的表现比NVIDIA更早。在2006年，
ATI的X1000系列表现出了相当惊人的浮点运算能力，并拥有良好的GPGPU架构。ATI在2006年8月宣布即将联手斯坦福大学在其Folding@Home项目中提供对ATI Radeon X1900 GPU的支持。而事情在目前发生了巨大的改变，CUDA的提出，让AMD感觉到了前所未有的压力。因为这意味着对手已经在新领域提出了新架构，而不是简单的性能超越。
分布式计算在中国的发展
据中国互联网信息中心（CNNIC）的统计信息，中文网民人数占世界的比重已经增长到了12%左右，并且还在快速增长着。
相比于互联网在中国的快速发展，中国的分布式计算却发展缓慢。就我看来，网民数量的统计并不能十分客观地反映一个国家信息化程度的高低，而参与分布式计算网民的数量或比例却可以明显地看出这个国家科学普及化的水平。在这方面，毋庸置疑，欧美国家是十分领先的。在北欧国家，几乎一半的
电脑参加了分布式计算项目，这是一个惊人的数字。再让我们来看看我们中国和印度，尽管我们拥有了不少最
新科技，且看上去在
网络普及化进程中有不错表现，但是在分布式计算方面却很薄弱。让我们来看些例子：
SETI@home是世界上最大的分布式计算项目。从中国的参与人数来看，它在中国也是最著名的项目。它通过使用联网的计算机
下载程序分析射电望远镜所收到的讯号，来搜索地球外的生命迹象。
尽管中国在近一年来有所进步，中国的国际排名从29上升到了24，但是我们中国用户却仍然只完成了日本用户完成的工作数的十分之一，而日本，这个高度发达的国家网民人数却少于中国。提高网民素质、提高科学普及化程度也是十分重要的。印度和一些中东国家也有相似的问题，而中欧国家明显在这方面作得比较好，不少独联体国家所完成的数据量已经超过了俄罗斯联邦的总合。
Folding@home是一个研究蛋白质折叠，误解，聚合及由此引起的相关疾病的分布式计算工程。它使用联网式的计算方式和大量的分布式计算能力来模拟蛋白质折叠的过程，并指引我们近期对由折叠引起的疾病的一系列研究。但中国玩家的参加度非常低，这和我们的民族性格形成了很大反差。
中国目前已经有了很多计算机，其中不乏性能极其先进的。而他们中的大多数仅仅是打字、播放幻灯和运行简单的娱乐
软件而已，这不能不说是一种资源的浪费。在中国，很多人对这种运算方式还不理解，因此很多人不知道可以在
操作系统后台运行这样一个小东西，虽然它不会影响到正常电脑使用。
所以说分布式计算在中国的普及程度相当低，我们的媒体并没有认真宣传和教育，我们的政府在这方面的投入力度也还太小。
下载并参加Folding@home
任何玩家都不应该错过[email=Folding@home]
Folding@home[/email]这个机会，因为我们可以找到实现硬件资源利用的另外一种方式，同时我们还可以了解不同
显卡在这个项目中的运算速度。
首先我们可以来到中国分布式计算总站：http://www.equn.com/
这里有很多分布式运算项目可以参加，其中就包括了著名的Folding@home。这是中国分布式计算方面著名的科普性质的非盈利站点。它由一群乐于奉献、热心于
网络公益性分布式计算项目的爱好者共同创立。同时它和国外的多所著名大学及权威研究机构建立有良好的合作关系，是国外绝大多数分布式计算项目的主持机构指定的中国唯一官方站点。
同时我们需要下载这个
软件的客户端，这里推荐的下载地址均来自斯坦福大学网站。（官方地址：
http://folding.stanford.edu/English/DownloadWinOther）
对于大多数windows用户，选择最新的6.20 r1版即可，这是最新的显卡专用客户端，稳定性很强，而且优先级低。如果开启运算后运行一些
游戏，它会自动为游戏让出资源，保证游戏性能。如果你没有好显卡，却拥有Q6600这样的多核CPU，你也选择一个高版本的SMP客户端，它可以对多核CPU做完
美的优化，发挥每个核心的性能。
显卡必须使用支持通用计算的类型：
NVIDIA显卡用户请使用Geforce 8、9系列，AMD显卡请用户使用HD 2000\3000\4000系列。中端显卡（以9600GSO为例），大约3到4小时就可以完成一个工作单位。在
驱动程序方面也有要求，Forceware 177.35是NVIDIA的最低要求，个人建议使用177.83或更高。AMD要求最低使用8.4版Catalyst才可以使用[email=Folding@home]
Folding@home[/email]客户端。更高版本的驱动会带来可观的性能提升，所以使用一个比较新的、稳定的正式版驱动是非常关键的。
启动后它将最小化后台运行
下载安装包后，一路NEXT，就迅速完成了安装，使用相当简单。随后我们可以在“开始”—“程序[email=”—“Folding@home-gpu]
”—“Folding@home-gpu[/email]”中启动它，为以后方便使用，玩家们可以在桌面建立快捷方式。启动后它将最小化后台运行，这时我们要开始设置了。
Folding@home分布式运算的技巧
这里在给大家一个小建议，可以将这个快捷方式添加到开机直接启动，因为它总是在后台运行，不会影响到我们使用
电脑，玩
游戏时它也会自动休息，让出资源，这就提高了[email=Folding@home]
Folding@home[/email]的运行时间，玩家可以得到更多积分。
个人信息界面设置
首先右键单击图标，选择Configure（设置），在User选项卡中填入用户名，这个名字请填写英文，大家可以为自己填入一个便于记忆的名称，以后斯坦福大学将自动注册这个用户，并做相关统计。Team number是团队名称，你可以加入很多著名的团队，这里推荐加入我们本国玩家的3213——China Folding@Home Power 小组（填写代码：3213即可）。
Connection（链接）中的所有选项保持默认即可，因为Folding@Home客户端会自动寻找
网络，不间断重试。我们提醒大家，[email=Folding@Home]
Folding@Home[/email]在一个运算开始和结束时，要访问网络，目的是
下载新题和上传结果，这时请保持链接，如果没有及时链接也没关系，因为它会自动重试。
细节设置
在Advanced（高级）选项卡中，可以保持所有选项默认，这里推荐修改一项，那就是运算结果自动存盘时间，我们可以设置为最低的3分钟一次。CPU资源占用普通玩家不用修改。对于分布式计算狂热玩家，我们推荐修改第二项，然后可以拉动滑块，选择CPU占用时间，越靠右越接近100%。
开始计算并得到成绩和认可
到现在，简单的设置就结束了，我们可以点击“确定”开始运算了，这时请不要忘记保持
网络链接畅通。右键单击图标，选择Display（显示），即可看到我们的
显卡正在高速运算，如果你使用温度监测
软件，会发现
GPU核心温度快速升高，甚至高过
游戏时的温度。所以我们要保持一个良好的散热，特别是一个好的
机箱风道。
计算过程
这里有一个小提示：对核心，特别是流
处理器适度
超频后，可以得到非常大的性能增益，但过高超频导致的不稳定，会让计算结果出错，失去了我们参与科学运算的意义，也失去的自己宝贵的积分。个人建议没有更改原装
散热器的情况下，对流处理器超频不应超过35%，显存超频也要量力而行，最好不要超过颗粒的标称速度，PCB电路板的层数优势在这时同样得到体现。所以这类运算往往可以监测硬件稳定性，一些做工粗糙的显卡会经常发生运算错误，而质量过关的显卡在高密度的科学运算中会脱颖而出。
如果你想进行速度测试，我们推荐使用FahMon这个小软件，它是专门测试[email=Folding@Home]
Folding@Home[/email]客户端运行速度的，我们可以用它看出不同显卡的巨大差异，测试结果单位为PPD。这个软件在其官方网站
http://fahmon.net/上进行
下载，解压后在主程序fahmon.exe窗口中，点击右键：Add a new client，填写一个便于识别的名字，再定位到你的[email=Folding@home]
Folding@home[/email]程序即可（例如C:\Program Files\Folding@home\）。想知道同价位的N卡A卡在通用计算中到底谁更快吗？CUDA架构到底能发挥多大的作用吗？答案就在自己手中，更多测试结果我们希望能与大家在中国分布式论坛中交流。
很多朋友会有疑问，我们的运算结果会不会得到认可呢？它的科学效用有多大？我可以告诉大家，当你填入用户名后，斯坦福大学的资料中就永久地记住了你，并为你建立了相关资料。我们
鼠标右键单击图标，选择status中选择User statistics或team statistics，就可以查看个人和团队信息，在运算完成一定数量的工作单位后，还可以领取带有自己名字的电子认证证书。新用户可能要几个小时后，资料才会得到斯坦福大学认可，随后出现所有统计信息。
笔者获得的两个电子认证
如图，笔者获得的两个电子认证：分别为我的个人积分和完成的工作量。我跑[email=Folding@home]
Folding@home[/email]凭借的仅仅是一块9600GSO显卡，它为我带来了非常快的运算速度，积分比我使用CPU运算时快上百倍，也让我在中国3213团队中获得了非常高的名次，我用一个月的时间从一千名之外，迅速爬升到100名之内，成为了整个团队分数的重要贡献者。
在我们热情运算的同时科学家们将这些结果汇总，正在紧张分析中。我们可以肯定每一个参与者贡献的运算结果，都为科学家研究蛋白质折叠，最终攻破疑难病症做出了重要贡献。我们虽然只是花几个小时跑完了一个工作单位，但很多人的力量汇集，就让科学前进了一大步。攻克癌症等疾病在全球爱好者的努力下，已不仅是美好的夙愿，而是一个必定达到的目标。在[email=Folding@home]
Folding@home[/email]的宣传网页上我们可以看到“科学”和“结果”页面，里面已经公开了爱好者们参与研究后产生的大量结果，科学家们也凭借我们的结果创作了许多论文，可以说从基础生命科学的角度攻破癌症等疾病，是一条漫长而艰辛的道路，所有参与者在下载客户端后将共同体会，而目前已有的成绩，则是非常宝贵的，因为它代表了一个正确研究的方向。
已公布的测试成绩
AMD对[email=Folding@home]
Folding@home[/email]的支持早于
NVIDIA，但NVIDIA的支持力度却远远大于AMD，从斯坦福的最新官方统计中即可获得结果。
从统计资料上看，无论是GPU数目还是总运算量，NVIDIA都领先于对手AMD。
两大厂商的推广，使得CUDA和GPGPU概念迅速普及，广大爱好者终于可以在使用高性能
显卡运行
游戏的同时，试着参与分布式运算工程。从统计资料上看，无论是GPU数目还是总运算量，NVIDIA都领先于对手AMD。然而PS3由于在销售时就对[email=Folding@home]
Folding@home[/email]做了大量优化，使之在PS3主机后台一直运行，同样提供了非常大的运算总量。但从运算效率这个主要指标来看，NVIDIA还是取得了一定的领先。
NVIDIA产品的运算效率
AMD产品的运算效率
以PPD（Points Per Day每日运算得分）为主要指标，斯坦福官方给广大玩家列出了以上两张表格，结果令人惊讶：即使是拥有320个流
处理器的3850，也只是微弱领先于8600GT。8800GS凭借96个流处理器的优势，领先于游戏性能强于它的9600GT。按能效评价，384MB版本的8800GS获得了77.1的每瓦特PPD性能，而AMD最好的3850系列显卡每瓦特PPD性能只有32.82。在正式运算时，3850的速度更是出人意料得只有9600GSO的一半都不到，这让AMD显卡的爱好者非常意外，因为在实际游戏测试时，3850略强于9600GSO。
事实说明，[email=Folding@home]
Folding@home[/email]相当耗费流处理器资源，并且对流处理器的运算效率提出了严格要求，这项运算中，指令间因果和引用嵌套联系非常密集。
G80这种MIMD（Multiple Instruction Multiple Data，多指令多数据流）架构超标量流处理器，将GPU Shader执行效率做出了大幅度提升。而HD2000/3000系列使用了SIMD（Single Instruction Multiple Data，单指令多数据流）架构“超标量”架构的5D着色单元，虽然流处理器数量要远大于GF8/9系，而且晶体管开销更少，但在不同游戏中的性能表现反差很大，总体来看执行效率不如人意，对于
驱动程序的依赖性非常严重。
在[email=Folding@home]
Folding@home[/email]运算中，AMD的设计思路导致了原本微弱的性能差距被快速放大，我们还可以注意到，4850在游戏方面远超3850，但这项运算中仅仅领先前辈10%左右。同样CUDA目前来看拥有强大的普及优势，更多
软件支持CUDA加速，Geforce 8、9系列的GPU越来越得到高效利用。当然，我们非常期待AMD能在未来GPU架构设计方面做出转变，使任务的分配更加高速合理，最大限度地利用其流处理器资源。同时，作为分布式运算的支持者，我们希望越来越多的大型项目能支持CUDA等GPU通用计算架构，加速科学研究进程。
写在最后：关于国内的分布式运算团队
到了这里，你已经成为[email=Folding@home]
Folding@home[/email]这个大型公益性运算项目的一员，你的每个运算结果都是科学史上非常重要的一步，当人类了解清楚蛋白质的折叠奥秘后，许多现在致命的病症都将被攻破。这里也有你一份功劳，每一个做出贡献的用户都将被记住，并得到相当高的积分和权威的认证。
很多分布式运算中都有各个团队，因为这个过程是非常辛苦的，大家可以在运算中和朋友们交流感受，研究不同配置的性能。同样，作为分布式运算中参与程度非常广的[email=Folding@home]
Folding@home[/email]，同样有很多团队在为此贡献力量，中国3213团队——China [email=Folding@Home]
Folding@Home[/email] Power就是其中重要一员。
这个团队的主力都驻扎在“中国分布式计算论坛”中，他们用自己的力量，多年来无偿地奉献着硬件资源，有的队员拥有很多块Geforce 8800或HD 4850级别的
显卡，得分非常高，有的队员只有一台P4级别的集成显卡
电脑，却始终坚持，从未间断，管理人员和论坛的活跃分子为大家特别是新手解答各种难题，分享配置和
超频等经验。这是一个充满活力的网站，公益性事业在大家心中已得到广泛认同。
但长期观察后我们会发现，3213团队的力量依然非常薄弱，目前世界排名仅仅118名，这与中国巨大的电脑爱好者数目相距甚远。在几天前，中国3213团队排名再次出现下降，并受到分数增量是我们4倍的台湾团队强烈挑战。目前团队中活跃人数和队员总人数都十分稀少，这代表着分布式计算在中国的普及程度有待提高，更多的爱好者还闲置着自己的硬件资源，中国的整体计算机认知程度需要提高。
近期3213团队巨大的分数增量波动，暗示着参与者并不多
如图，近期3213团队巨大的分数增量波动，暗示着参与者并不多，而且只是少数爱好者在苦苦支撑着团队发展。作为一个开放式的项目，希望更多人能给予理解和支持，无论是团队荣誉、个人积分还是为了人类共同的愿望，我们都应该力所能及得参与并体会这项活动。而这一切仅仅需要
下载一个客户端，无论硬件配置高低，坚持才意味着最后的胜利。
在中国分布式计算总站，我们体验[email=Folding@home]
Folding@home[/email]的同时还将了解到更多分布式运算项目，它们涉及数学、天文、气候、生命科学等领域，为资源环境、人类健康、国家安全等方方面面提供重要保障。比如BOINC分布式计算平台，里面包含了众多项目，其中经典和主流的有以下几个：
[email=SETI@home]
SETI@home[/email] 搜寻外星文明发出的无线电信号，其前身为 [email=SETI@home]
SETI@home[/email] Classic。
[email=Einstein@Home]
Einstein@Home[/email] 寻找引力波存在的证据，2005世界物理年的活动项目。
[email=Rosetta@home]
Rosetta@home[/email] 蛋白质结构预测和设计。
ClimatePrediction.Net 研究气候变化的趋势（简称CPDN）。
World Community Grid IBM公司主持的分布式计算项目，含多个生命科学类的子项目。
更多人的认同，更多主流媒体的帮助和义务宣传，将会让分布式计算在中国走得更远，将会让更多饱含奉献、爱心、社会责任感的分布式运算项目得到更多玩家的认同。
我们相信这篇文章的读者中，只要有1%愿意感受分布式计算的思想并尝试下载
软件，中国硬件玩家的科普程度就能有一次明显的提高，分布式计算的精神实质将在更多中国玩家的行动中得到完美体现。在分布式计算对一个国家越来越重要的今天，[email=Folding@home]
Folding@home[/email]中国3213团队和所有支持者将见证这一伟大成长，并用自己的力量提升中国的综合竞争力和国际影响力。
这篇文章是在很多人的帮助下完成的，他们常年整理翻译大量资料、艰难地推广着分布式运算发展，却从未留下名字，我只是把自己所整合的信息尽量发布在媒体上。我们相信每个人都可以来参与，中国的分布式计算期待更多人捐助爱心，奉献力量。
![八品[37435经验]](http://icon.zol.com.cn/bbs/detail/time_yueliang.gif){kind=icon}
![八品[37435经验]](http://icon.zol.com.cn/bbs/detail/time_star.gif){kind=icon}
对 楼主 木精灵 说：
