คลัสเตอร์GPUคือคลัสเตอร์คอมพิวเตอร์ที่แต่ละโหนดติดตั้งหน่วยประมวลผลกราฟิก (GPU) โดยการใช้พลังการคำนวณของ GPU รุ่นใหม่ผ่านการประมวลผลทั่วไปบนหน่วยประมวลผลกราฟิก (GPGPU) ทำให้สามารถทำการคำนวณได้อย่างรวดเร็วมากในคลัสเตอร์ GPU

คลัสเตอร์ GPU แบ่งออกเป็นสองประเภทตามการจำแนกประเภทฮาร์ดแวร์ ได้แก่ แบบเฮเทอโรจีนัส และแบบโฮโมจีนัส

สามารถใช้ฮาร์ดแวร์จากผู้ผลิต ฮาร์ดแวร์รายใหญ่ทั้งสองรายได้(AMD และ NVIDIA) แม้ว่าจะใช้ GPU รุ่นเดียวกันแต่ต่างรุ่นกัน (เช่น 8800GT ผสมกับ 8800GTX) คลัสเตอร์ GPU ก็ยังถือว่าเป็นคลัสเตอร์แบบไม่เหมือนกัน

GPU แต่ละตัวมีฮาร์ดแวร์คลาส ยี่ห้อ และรุ่นเดียวกัน ตัวอย่างเช่น อาจเป็นคลัสเตอร์ 8800GT จำนวน 100 ตัวที่มีหน่วยความจำเท่ากันทั้งหมด

การจำแนกคลัสเตอร์ GPU ตามความหมายข้างต้นจะช่วยชี้นำการพัฒนาซอฟต์แวร์บนคลัสเตอร์ได้เป็นอย่างมาก เนื่องจาก GPU แต่ละตัวมีขีดความสามารถที่แตกต่างกันซึ่งสามารถนำมาใช้ประโยชน์ได้

นอกเหนือจากโหนดคอมพิวเตอร์และหน่วยประมวลผลกราฟิก (GPU) ของแต่ละ โหนด แล้ว ยังจำเป็นต้องมีการเชื่อมต่อที่รวดเร็วเพียงพอเพื่อส่งข้อมูลระหว่างโหนดต่างๆ ประเภทของการเชื่อมต่อส่วนใหญ่ขึ้นอยู่กับจำนวนโหนดที่มีอยู่ ตัวอย่างของการเชื่อมต่อ ได้แก่Gigabit EthernetและInfiniBand

NVIDIAจัดทำรายชื่อพันธมิตรที่ได้รับการคัดเลือกจาก Tesla (TPP) ที่มีความสามารถในการสร้างและส่งมอบคลัสเตอร์ GPU ที่กำหนดค่าอย่างสมบูรณ์โดยใช้ GPGPU ซีรีส์ Tesla 20 บริษัท AMAX Information Technologies, Dell , Hewlett-PackardและSilicon Graphicsเป็นเพียงบางส่วนของบริษัทที่ให้บริการคลัสเตอร์และระบบ GPU ครบวงจร^{[ 1 ]}

ส่วนประกอบซอฟต์แวร์ที่จำเป็นในการทำให้เครื่องที่มี GPU หลายเครื่องทำงานร่วมกันเป็นหนึ่งเดียว ได้แก่:

1. ระบบปฏิบัติการ
2. ไดรเวอร์ GPU สำหรับ GPU แต่ละประเภทที่มีอยู่ในแต่ละโหนดของคลัสเตอร์
3. API สำหรับการจัดกลุ่มคลัสเตอร์ (เช่นMessage Passing Interface , MPI)
4. แพลตฟอร์มคลัสเตอร์ VirtualCL (VCL) [1]เป็นตัวห่อหุ้มสำหรับ OpenCL™ ที่ช่วยให้แอปพลิเคชันส่วนใหญ่ที่ไม่ได้แก้ไขสามารถใช้งานอุปกรณ์ OpenCL หลายตัวในคลัสเตอร์ได้อย่างโปร่งใสราวกับว่าอุปกรณ์ทั้งหมดอยู่บนคอมพิวเตอร์เครื่องโลคัล

การแมปอัลกอริทึมให้ทำงานบนคลัสเตอร์ GPU นั้นคล้ายคลึงกับการแมปอัลกอริทึมให้ทำงานบนคลัสเตอร์คอมพิวเตอร์ แบบดั้งเดิม ตัวอย่างเช่น แทนที่จะกระจายส่วนต่างๆ ของอาร์เรย์จาก RAM พื้นผิวจะถูกแบ่งออกเป็นส่วนๆ ไปยังโหนดต่างๆ ของคลัสเตอร์ GPU

• คลัสเตอร์ GPU สำหรับการประมวลผลประสิทธิภาพสูง, SC 2004
• Are Magnus Bruaset, Aslak Tveito (2006). Numerical Solution of Partial Differential Equations on Parallel Computers . Birkhäuser. ISBN 3-540-29076-1.
• กลุ่มเร่งรัดของ NCSA
• คลัสเตอร์ GPU สำหรับการประมวลผลประสิทธิภาพสูง
• คลัสเตอร์ GPU ที่ห้องปฏิบัติการ STFC Daresbury
• การตรวจสอบอุณหภูมิแกน GPU