cuDF GPU DataFrame 加速

• 唯一标识：accelerated-computing-cudf
• 显示名称：cuDF GPU DataFrame 加速
• 能力摘要：使用 cuDF、cudf.pandas 与 dask-cuDF 将 pandas 风格的 ETL、连接、分组、时间序列和多 GPU DataFrame 工作负载迁移到 GPU，同时验证空值、排序和浮点语义并控制显存溢写。

案例素材

1. 百万级订单 ETL 先以 cudf.pandas 评估兼容性，再将热点的 Parquet 读取、join 与 groupby 改为显式 cuDF；以小样本 pandas 参考结果比较行数、列标签、空值和代表性值。
2. 数据集超过单卡显存时启用 spill 并切换 dask-cuDF，一张 GPU 一个 worker；按客户键聚合，避免将中间数据反复 .to_pandas() 造成 CPU/GPU 往返。
3. 报表发现 GPU 与 CPU 的金额汇总略有不同，检查 float32/float64、非稳定排序和浮点非结合性；必要时提高精度并用容差比较，而不是宣称完全位级一致。