从CPU 迁移到GPU 两者的区别主要是
GPU 并发低 计算优势
CPU（即MPI） 并发性高 计算性能。但是使用经验是 使用的人多 相对应的集群等待时间长
DRAM即动态随机存取存储器，是常见的系统内存。
Cache存储器：电脑中作高速缓冲存储器，是位于CPU和主存储器DRAM之间，规模较小，但速度很高的存储器
算术逻辑单元ALU是能实现多组算术运算和逻辑运算的组合逻辑电路。
GPU 提供了多核运算的基础 支持并行运算等
GPU的这些性能 决定在其在大数据运算中的有利地位
GPU的存储有限，所以数据需要从外部导入；导入的过程带来IO的问题，使得IO的时间远大于GPU处理的时间
GPU具有运算速度快的特点 适合处理 计算密集型的程序和易于并行的程序
MPI 多机运行具有较好的 并发性 但是计算能力弱于GPU
并发性 (Concurrence) 是指两个或多个事件在同一时间间隔内发生。
并行性和并发性 (Concurrence) 是既相似又有区别的两个概念，并行性是指两个或多个事件在同一时刻发生；而并发性是指两个或多个事件在同一时间间隔内发生。在多道程序环境下，并发性是指在一段时间内宏观上有多个程序在同时运行，但在单处理机系统中每一时刻却仅能有一道程序执行，故微观上这些程序只能是分时地交替执行。倘若在计算机系统中有多个处理机，则这些可以并发执行的程序便可被分配到多个处理机上，实现并行执行，即利用每个处理机来处理一个可并发执行的程序，这样，多个程序便可同时执行。
GPU并行计算和CPU多线程计算有什么不同呢？
GPU的并行计算主要体现在数据的运算上。CPU多线程主要是多机运行任务 多线程
线程相关理解
泥瓦匠聊并发编程：线程与多线程必知必会（基础篇） - 泥瓦匠BYSocket的文章 - 知乎 https://zhuanlan.zhihu.com/p/33616143
