В Artikel, als wir über unseren neuen Service sprachen Bei einer Grafikkarte haben wir einige interessante Aspekte der Verwendung virtueller Server mit Videoadaptern nicht angesprochen. Es ist Zeit, weitere Tests hinzuzufügen.
Um physische Videoadapter in virtuellen Umgebungen zu verwenden, haben wir uns für die RemoteFX vGPU-Technologie entschieden, die vom Microsoft-Hypervisor unterstützt wird. In diesem Fall muss der Host über Prozessoren verfügen, die SLAT unterstützen (EPT von Intel oder NPT/RVI von AMD), sowie über Grafikkarten, die den Anforderungen der Entwickler von Hyper-V entsprechen. Auf keinen Fall sollten Sie diese Lösung mit Desktop-Adaptern in physischen Maschinen vergleichen, die bei der Arbeit mit Grafiken normalerweise eine bessere Leistung zeigen. In unserem Test wird die vGPU mit dem zentralen Prozessor des virtuellen Servers konkurrieren – für Rechenaufgaben durchaus logisch. Beachten Sie auch, dass es neben RemoteFX auch andere ähnliche Technologien gibt, zum Beispiel NVIDIA Virtual GPU – damit können Sie Grafikbefehle von jeder virtuellen Maschine direkt an den Adapter übertragen, ohne sie an den Hypervisor zu übertragen.
Tests
Für die Tests wurde eine Maschine mit 4 Rechenkernen bei 3,4 GHz, 16 GB RAM, einem 100 GB Solid-State-Laufwerk (SSD) und einem virtuellen Videoadapter mit 512 MB Videospeicher verwendet. Der physische Server ist mit professionellen NVIDIA Quadro P4000-Grafikkarten ausgestattet und auf dem Gastsystem läuft Windows Server 2016 Standard (64-Bit) mit dem standardmäßigen Microsoft Remote FX-Grafiktreiber.
▍GeekBench 5
Zunächst einmal aktuelle Version des Dienstprogramms , mit dem Sie die Systemleistung für OpenCL-Anwendungen messen können.
Wir haben diesen Benchmark im vorherigen Artikel verwendet und er hat nur das Offensichtliche bestätigt: Unsere vGPU ist bei der Lösung typischer „Grafik“-Aufgaben schwächer als Hochleistungs-Desktop-Grafikkarten.
▍GPU Caps Viewer 1.43.0.0
Erstellt vom Unternehmen Das Dienstprogramm kann nicht als Benchmark bezeichnet werden. Es enthält keine Leistungstests, sondern ermöglicht es Ihnen, Informationen über die eingesetzten Hard- und Softwarelösungen zu erhalten. Hier sehen Sie, dass unsere virtuelle vGPU-Maschine nur OpenCL 1.1 und kein CUDA unterstützt, obwohl der NVIDIA Quadro P4000-Videoadapter im physischen Server installiert ist.
▍FAHBench 2.3.1
aus dem Distributed-Computing-Projekt widmet sich der Lösung eines hochspezialisierten Problems der Computermodellierung der Faltung von Proteinmolekülen. Dies ist notwendig, um die Ursachen von Pathologien zu untersuchen, die mit defekten Proteinen einhergehen – Alzheimer- und Parkinson-Krankheit, Rinderwahnsinn, Multiple Sklerose usw. Dienstprogramm Die Rechenleistung eines virtuellen Videoadapters kann nicht umfassend bewertet werden, Sie können jedoch die Leistung von CPU und vGPU in komplexen Berechnungen vergleichen.
Die mit FAHBench gemessene Rechenleistung auf vGPUs mit OpenCL erwies sich als etwa sechsmal (für die implizite Modellierungsmethode etwa zehnmal) höher als vergleichbare Indikatoren für einen ausreichend leistungsstarken Zentralprozessor.
Nachfolgend präsentieren wir die Ergebnisse von Berechnungen mit doppelter Genauigkeit.
▍SiSoftware Sandra 20/20
Ein weiteres universelles Paket zum Diagnostizieren und Testen von Computern. Es ermöglicht Ihnen, die Hardware- und Softwarekonfiguration des Servers im Detail zu studieren und enthält eine Vielzahl unterschiedlicher Benchmarks. Zusätzlich zum CPU-Computing unterstützt Sandra 20/20 OpenCL, DirectCompute und CUDA. Uns interessieren vor allem diejenigen, die in der kostenlosen Version enthalten sind General Purpose Computing Benchmark Suites (GPGPU) unter Verwendung von Hardwarebeschleunigern.
recht gut, obwohl sie etwas niedriger sind als erwartet für den NVIDIA Quadro P4000-Videoadapter. Der Overhead der Virtualisierung dürfte Auswirkungen haben.
Sandra 20/20 verfügt über ähnliche CPU-Benchmarks. Lassen Sie uns sie starten mit vGPU-Computing.
Die Vorteile des Videoadapters sind deutlich sichtbar, allerdings sind die Einstellungen des gesamten Testpakets nicht völlig identisch und in den Ergebnissen sind keine Indikatoren mit dem erforderlichen Detaillierungsgrad erkennbar. Wir haben uns entschieden, mehrere separate Tests durchzuführen. Anfangs Spitzenleistung der vGPU mithilfe einer Reihe einfacher mathematischer Berechnungen mit OpenCL. ähnelt im Wesentlichen Sandras Multimedia-Test (nicht Arithmetik!) für die CPU. Platzieren wir zum Vergleich das gleiche Diagramm VPS-CPU-Multimedia-Test. Selbst eine CPU mit vier Rechenkernen ist der vGPU deutlich unterlegen.
Kommen wir von synthetischen Tests zu praktischen Dingen. Mithilfe kryptografischer Tests konnten wir die Geschwindigkeit der Datenkodierung und -dekodierung bestimmen. Hier ist ein Vergleich der Ergebnisse für и zeigte auch einen klaren Vorteil des Beschleunigers.
Ein weiterer Einsatzbereich von vGPU ist die Finanzanalyse. Solche Berechnungen lassen sich leicht parallelisieren, aber um sie durchzuführen, benötigen Sie einen Videoadapter, der Berechnungen mit doppelter Genauigkeit unterstützt. Und wieder sprechen die Ergebnisse für sich: ziemlich kraftvoll verliert völlig .
Der letzte von uns durchgeführte Test bestand aus wissenschaftlichen Berechnungen mit hoher Genauigkeit. hat es wieder besser gemacht mit Matrixmultiplikation, schneller Fourier-Transformation und anderen ähnlichen Problemen.
Befund
vGPUs eignen sich nicht gut für die Ausführung von Grafikeditoren sowie 3D-Rendering- und Videoverarbeitungsanwendungen. Adapter für Desktop-Systeme kommen mit Grafiken deutlich besser zurecht, allerdings kann der virtuelle parallele Berechnungen schneller durchführen als die CPU. Dies ist dem produktiven Arbeitsspeicher und einer größeren Anzahl arithmetisch-logischer Module zu verdanken. Erfassung und Verarbeitung von Daten verschiedener Sensoren, analytische Berechnungen für Geschäftsanwendungen, wissenschaftliche und technische Berechnungen, Verkehrsanalyse und -abrechnung, Arbeit mit Handelssystemen – es gibt viele Rechenaufgaben, für die GPUs unverzichtbar sind. Natürlich können Sie einen solchen Server zu Hause oder im Büro aufbauen, allerdings müssen Sie dafür eine ordentliche Summe für die Anschaffung von Hardware und lizenzierter Software bezahlen. Neben den Kapitalkosten fallen auch Betriebskosten für die Wartung an, darunter Stromrechnungen. Es kommt zu einer Wertminderung – Geräte nutzen sich mit der Zeit ab und veralten noch schneller. Virtuelle Server haben diese Nachteile nicht: Sie können nach Bedarf erstellt und gelöscht werden, wenn der Bedarf an Rechenleistung wegfällt. Es ist immer rentabel, Ressourcen nur dann zu bezahlen, wenn Sie sie benötigen.
Source: habr.com