В článek, kdy jsme hovořili o naší nové službě s grafickou kartou jsme se nedotkli některých zajímavých aspektů používání virtuálních serverů s grafickými adaptéry. Je čas přidat další testování.
Pro použití fyzických grafických adaptérů ve virtuálních prostředích jsme zvolili technologii RemoteFX vGPU, která je podporována hypervizorem společnosti Microsoft. V tomto případě musí mít hostitel procesory, které podporují SLAT (EPT od Intelu nebo NPT/RVI od AMD), a také grafické karty, které splňují požadavky tvůrců Hyper-V. V žádném případě toto řešení nesrovnávejte s desktopovými adaptéry ve fyzických strojích, které většinou vykazují lepší výkon při práci s grafikou. V našem testování bude vGPU soutěžit s centrálním procesorem virtuálního serveru - což je pro výpočetní úlohy zcela logické. Všimněte si také, že kromě RemoteFX existují i další podobné technologie, například NVIDIA Virtual GPU - umožňuje přenášet grafické příkazy z každého virtuálního stroje přímo do adaptéru, aniž byste je překládali do hypervizoru.
Testy
V testech byl použit stroj se 4 výpočetními jádry na 3,4 GHz, 16 GB RAM, 100 GB SSD (solid-state drive) a virtuální grafický adaptér s 512 MB video paměti. Fyzický server je vybaven profesionálními grafickými kartami NVIDIA Quadro P4000 a hostující systém běží na Windows Server 2016 Standard (64bitový) se standardním grafickým ovladačem Microsoft Remote FX.
▍GeekBench 5
Pro začátek aktuální verzi utility , který umožňuje měřit výkon systému pro aplikace OpenCL.
Tento benchmark jsme použili v předchozím článku a jen potvrdil to, co je zřejmé – naše vGPU je pro řešení typických „grafických“ úloh slabší než vysoce výkonné stolní grafické karty.
▍ GPU Caps Viewer 1.43.0.0
Vytvořeno společností Nástroj nelze nazvat benchmarkem. Neobsahuje testy výkonu, ale umožňuje získat informace o používaných hardwarových a softwarových řešeních. Zde můžete vidět, že náš virtuální stroj vGPU podporuje pouze OpenCL 1.1 a nepodporuje CUDA, přestože je na fyzickém serveru nainstalován grafický adaptér NVIDIA Quadro P4000.
▍FAHBench 2.3.1
z projektu distribuovaných počítačů se věnuje řešení vysoce specializovaného problému počítačového modelování skládání molekul proteinů. To je nezbytné pro studium příčin patologií spojených s defektními proteiny - Alzheimerova a Parkinsonova choroba, nemoc šílených krav, roztroušená skleróza atd. Utility neumí komplexně vyhodnotit výpočetní výkon virtuálního grafického adaptéru, ale umožňuje porovnat výkon CPU a vGPU ve složitých výpočtech.
Výkon výpočtů na vGPU využívajících OpenCL, měřený pomocí FAHBench, se ukázal být přibližně 6krát (pro metodu implicitního modelování - přibližně 10krát) vyšší než podobné ukazatele pro dostatečně výkonný centrální procesor.
Níže uvádíme výsledky výpočtů s dvojnásobnou přesností.
▍SiSoftware Sandra 20/20
Další univerzální balíček pro diagnostiku a testování počítačů. Umožňuje vám podrobně prostudovat hardwarovou a softwarovou konfiguraci serveru a obsahuje velké množství různých benchmarků. Kromě CPU computingu podporuje Sandra 20/20 OpenCL, DirectCompute a CUDA. Nás zajímají především ty, které jsou součástí bezplatné verze sady obecných výpočetních benchmarků (GPGPU) využívající hardwarové akcelerátory.
docela dobré, i když jsou o něco nižší, než se očekávalo pro grafický adaptér NVIDIA Quadro P4000. Pravděpodobně bude mít vliv režie virtualizace.
Sandra 20/20 má podobnou sadu benchmarků CPU. Pojďme je spustit s vGPU computingem.
Výhody grafického adaptéru jsou jasně viditelné, ale nastavení celkového testovacího balíčku není zcela totožné a ve výsledcích nevidíte indikátory s požadovanou úrovní detailů. Rozhodli jsme se provést několik samostatných testů. Nejprve Špičkový výkon vGPU pomocí sady jednoduchých matematických výpočtů pomocí OpenCL. v podstatě podobný Sandřině multimediálnímu (nikoli aritmetickému!) testu CPU. Pro srovnání umístíme na stejném diagramu Multimediální test procesoru VPS. Dokonce i CPU se čtyřmi procesorovými jádry je znatelně horší než vGPU.
Přejděme od syntetických testů k praktickým věcem. Kryptografické testy nám pomohly určit rychlost kódování a dekódování dat. Zde je srovnání výsledků pro и také ukázal jasnou výhodu akcelerátoru.
Další oblastí použití vGPU je finanční analýza. Takové výpočty lze snadno paralelizovat, ale k jejich provedení budete potřebovat grafický adaptér, který podporuje výpočty s dvojnásobnou přesností. A opět výsledky hovoří samy za sebe: docela silný prohrává přímo .
Poslední test, který jsme provedli, byly vědecké výpočty s vysokou přesností. dopadl zase lépe s maticovým násobením, rychlou Fourierovou transformací a dalšími podobnými problémy.
Závěry
VGPU nejsou příliš vhodné pro spouštění grafických editorů, stejně jako 3D rendering a aplikace pro zpracování videa. Adaptéry pro desktopové systémy si poradí s grafikou mnohem lépe, ale ten virtuální umí provádět paralelní výpočty rychleji než CPU. Za to musíme poděkovat produktivní RAM a většímu množství aritmeticko-logických modulů. Sběr a zpracování dat z různých senzorů, analytické výpočty pro obchodní aplikace, vědecké a inženýrské výpočty, analýza a zpoplatnění provozu, práce s obchodními systémy – existuje mnoho výpočetních úloh, pro které jsou GPU nepostradatelné. Samozřejmě si takový server můžete sestavit doma nebo v kanceláři, ale za nákup hardwaru a licencovaného softwaru budete muset zaplatit pořádnou částku. Kromě kapitálových nákladů jsou to i provozní náklady na údržbu, včetně účtů za elektřinu. Dochází k odpisům – vybavení se časem opotřebovává a zastarává ještě rychleji. Virtuální servery tyto nevýhody nemají: lze je vytvářet podle potřeby a mazat, když pomine potřeba výpočetního výkonu. Platit za zdroje pouze tehdy, když je potřebujete, je vždy ziskové.
Zdroj: www.habr.com