В artikel, da vi talte om vores nye service med et videokort kom vi ikke ind på nogle interessante aspekter ved at bruge virtuelle servere med videoadaptere. Det er tid til at tilføje flere tests.
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 nuværende version af hjælpeprogrammet , som giver dig mulighed for at måle systemets ydeevne for OpenCL-applikationer.
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 Værktøjet kan ikke kaldes et benchmark. Den indeholder ikke ydelsestest, men giver dig mulighed for at få information om den anvendte hardware- og softwareløsninger. Her kan du se, at vores vGPU virtuelle maskine kun understøtter OpenCL 1.1 og ikke understøtter CUDA, på trods af NVIDIA Quadro P4000 videoadapteren installeret i den fysiske server.
▍FAHBench 2.3.1
fra det distribuerede computerprojekt er dedikeret til at løse et højt specialiseret problem med computermodellering af foldning af proteinmolekyler. Dette er nødvendigt for at studere årsagerne til patologier forbundet med defekte proteiner - Alzheimers og Parkinsons sygdomme, kogalskab, multipel sklerose osv. Utility kan ikke udtømmende evaluere computerkraften af en virtuel videoadapter, men giver dig mulighed for at sammenligne ydelsen af CPU og vGPU i komplekse beregninger.
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 generelle formål computing benchmark suiter (GPGPU) ved hjælp af hardware acceleratorer.
ganske gode, selvom de er lidt lavere end forventet for NVIDIA Quadro P4000-videoadapteren. Overheaden af virtualisering vil sandsynligvis have en indvirkning.
Sandra 20/20 har et lignende sæt CPU-benchmarks. Lad os starte dem til med vGPU-computere.
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 Peak vGPU-ydeevne ved hjælp af et sæt simple matematiske beregninger ved hjælp af OpenCL. i det væsentlige ligner Sandras multimedie (ikke aritmetiske!) test for CPU. Til sammenligning, lad os placere på det samme diagram VPS CPU multimedie test. Selv en CPU med fire processorkerner er mærkbart ringere end vGPU.
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 и viste også en klar fordel af speederen.
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 taber direkte .
Den sidste test vi udførte var videnskabelige beregninger med høj nøjagtighed. gjorde det bedre igen med matrix multiplikation, hurtig Fourier transformation og andre lignende problemer.
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