В
For at bruge fysiske videoadaptere i virtuelle miljøer valgte vi RemoteFX vGPU-teknologi, som understøttes af Microsofts hypervisor. I dette tilfælde skal værten have processorer, der understøtter SLAT (EPT fra Intel eller NPT/RVI fra AMD), samt videokort, der opfylder kravene fra skaberne af Hyper-V. I intet tilfælde bør du sammenligne denne løsning med desktop-adaptere i fysiske maskiner, som normalt viser bedre ydeevne, når du arbejder med grafik. I vores test vil vGPU'en konkurrere med den centrale processor på den virtuelle server - ganske logisk for computeropgaver. Bemærk også, at der udover RemoteFX er andre lignende teknologier, for eksempel NVIDIA Virtual GPU - det giver dig mulighed for at overføre grafikkommandoer fra hver virtuel maskine direkte til adapteren uden at oversætte dem til hypervisoren.
Tests
Testene brugte en maskine med 4 computerkerner ved 3,4 GHz, 16 GB RAM, et 100 GB solid-state drive (SSD) og en virtuel videoadapter med 512 MB videohukommelse. Den fysiske server er udstyret med professionelle NVIDIA Quadro P4000-skærmkort, og gæstesystemet kører Windows Server 2016 Standard (64-bit) med standard Microsoft Remote FX-videodriver.
▍GeekBench 5
For en start
Vi brugte dette benchmark i den forrige artikel, og det bekræftede kun det indlysende - vores vGPU er svagere end højtydende desktop-videokort til at løse typiske "grafiske" opgaver.
▍GPU Caps Viewer 1.43.0.0
Skabt af virksomheden
▍FAHBench 2.3.1
Ydeevnen ved beregning på vGPU'er ved hjælp af OpenCL, målt ved hjælp af FAHBench, viste sig at være cirka 6 gange (for den implicitte modelleringsmetode - cirka 10 gange) højere end tilsvarende indikatorer for en tilstrækkelig kraftig central processor.
Nedenfor præsenterer vi resultaterne af beregninger med dobbelt præcision.
▍SiSoftware Sandra 20/20
Endnu en universel pakke til diagnosticering og test af computere. Det giver dig mulighed for at studere hardware- og softwarekonfigurationen af serveren i detaljer og indeholder et stort antal forskellige benchmarks. Udover CPU computing understøtter Sandra 20/20 OpenCL, DirectCompute og CUDA. Vi er primært interesserede i dem, der er inkluderet i den gratis version
Sandra 20/20 har et lignende sæt CPU-benchmarks. Lad os starte dem til
Fordelene ved videoadapteren er tydeligt synlige, men indstillingerne af den samlede testpakke er ikke helt identiske, og i resultaterne kan du ikke se indikatorer med den nødvendige detaljeringsgrad. Vi besluttede at udføre flere separate tests. Først
Lad os gå videre fra syntetiske tests til praktiske ting. Kryptografiske test hjalp os med at bestemme hastigheden af datakodning og afkodning. Her er en sammenligning af resultater for
Et andet anvendelsesområde for vGPU er finansiel analyse. Sådanne beregninger er lette at parallelisere, men for at udføre dem skal du bruge en videoadapter, der understøtter dobbeltpræcisionsberegninger. Og igen taler resultaterne for sig selv: ret kraftfulde
Den sidste test vi udførte var videnskabelige beregninger med høj nøjagtighed.
Fund
vGPU'er er ikke velegnede til at køre grafikredigeringsprogrammer, såvel som 3D-gengivelse og videobehandlingsapplikationer. Adaptere til desktop-systemer klarer grafik meget bedre, men den virtuelle kan udføre parallelle beregninger hurtigere end CPU'en. For dette skal vi takke den produktive RAM og et større antal aritmetisk-logiske moduler. Indsamling og bearbejdning af data fra forskellige sensorer, analytiske beregninger til forretningsapplikationer, videnskabelige og tekniske beregninger, trafikanalyse og opladning, arbejde med handelssystemer - der er en masse computeropgaver, som GPU'er er uundværlige til. Selvfølgelig kan du samle en sådan server derhjemme eller på kontoret, men du skal betale en pæn sum for køb af hardware og licenseret software. Ud over kapitalomkostninger er der også driftsomkostninger til vedligeholdelse, herunder elregninger. Der er afskrivninger - udstyr slides med tiden, og bliver endnu hurtigere forældet. Virtuelle servere har ikke disse ulemper: De kan oprettes efter behov og slettes, når behovet for computerkraft forsvinder. Kun at betale for ressourcer, når du har brug for dem, er altid rentabelt.
Kilde: www.habr.com