В artikolo kiam ni parolis pri nia nova servo kun videokarto, ni ne tuŝis iujn interesajn aspektojn de uzado de virtualaj serviloj kun videoadaptiloj. Estas tempo aldoni pliajn provojn.
Por uzi fizikajn videoadaptilojn en virtualaj medioj, ni elektis RemoteFX vGPU-teknologion, kiu estas subtenata de la hiperviziero de Microsoft. En ĉi tiu kazo, la gastiganto devas havi procesorojn kiuj subtenas SLAT (EPT de Intel aŭ NPT/RVI de AMD), same kiel videokartojn kiuj plenumas la postulojn de la kreintoj de Hyper-V. En neniu kazo vi devas kompari ĉi tiun solvon kun labortablaj adaptiloj en fizikaj maŝinoj, kiuj kutime montras pli bonan rendimenton kiam vi laboras kun grafikaĵoj. En nia testado, la vGPU konkuros kun la centra procesoro de la virtuala servilo - sufiĉe logika por komputikaj taskoj. Rimarku ankaŭ, ke krom RemoteFX, ekzistas aliaj similaj teknologioj, ekzemple NVIDIA Virtual GPU - ĝi permesas vin translokigi grafikajn komandojn de ĉiu virtuala maŝino rekte al la adaptilo sen traduki ilin al la hiperviziero.
Provoj
La testoj uzis maŝinon kun 4 komputikaj kernoj je 3,4 GHz, 16 GB da RAM, 100 GB solidsubstanca disko (SSD) kaj virtuala videoadaptilo kun 512 MB da videomemoro. La fizika servilo estas ekipita per profesiaj videokartoj NVIDIA Quadro P4000, kaj la gastsistemo funkcias Windows Server 2016 Standard (64-bit) kun la norma Microsoft Remote FX-video-ŝoforo.
▍GeekBench 5
Komenci aktuala versio de la utileco , kiu ebligas al vi mezuri sisteman rendimenton por OpenCL-aplikoj.
Ni uzis ĉi tiun komparnormon en la antaŭa artikolo kaj ĝi nur konfirmis la evidentan - nia vGPU estas pli malforta ol alt-efikecaj labortablaj vidkartoj por solvi tipajn "grafikajn" taskojn.
▍GPU Caps Viewer 1.43.0.0
Kreita de la kompanio La utileco ne povas esti nomita komparnormo. Ĝi ne enhavas agadotestojn, sed permesas vin akiri informojn pri la aparataro kaj programaro solvoj uzataj. Ĉi tie vi povas vidi, ke nia virtuala maŝino vGPU nur subtenas OpenCL 1.1 kaj ne subtenas CUDA, malgraŭ la videoadaptilo NVIDIA Quadro P4000 instalita en la fizika servilo.
▍FAHBbenko 2.3.1
de la distribuita komputika projekto estas dediĉita al solvi tre specialecan problemon de komputilmodelado de la faldado de proteinmolekuloj. Ĉi tio estas necesa por studi la kaŭzojn de patologioj asociitaj kun misaj proteinoj - Alzheimer- kaj Parkinson-malsano, freneza bovino, multnombra sklerozo ktp. Utilo ne povas amplekse taksi la komputikan potencon de virtuala videoadaptilo, sed permesas vin kompari la rendimenton de CPU kaj vGPU en kompleksaj kalkuloj.
La agado de komputado sur vGPUs uzante OpenCL, mezurita per FAHBench, montriĝis proksimume 6 fojojn (por la implica modela metodo - proksimume 10 fojojn) pli alta ol similaj indikiloj por sufiĉe potenca centra procesoro.
Malsupre ni prezentas la rezultojn de kalkuloj kun duobla precizeco.
▍SiSoftware Sandra 20/20
Alia universala pako por diagnozi kaj testi komputilojn. Ĝi permesas vin detale studi la aparataron kaj programaron de la servilo kaj enhavas grandegan nombron da malsamaj komparnormoj. Krom CPU-komputado, Sandra 20/20 subtenas OpenCL, DirectCompute kaj CUDA. Ni ĉefe interesiĝas pri tiuj inkluzivitaj en la senpaga versio ĝeneraluzeblaj komputilaj komparnormsuitoj (GPGPU) uzante hardvarakceliloj.
sufiĉe bonaj, kvankam ili estas iomete pli malaltaj ol atendite por la videoadaptilo NVIDIA Quadro P4000. La supraĵo de virtualigo verŝajne havos efikon.
Sandra 20/20 havas similan aron de CPU-komparnormoj. Ni lanĉu ilin al kun vGPU-komputado.
La avantaĝoj de la videoadaptilo estas klare videblaj, sed la agordoj de la entuta testpakaĵo ne estas tute identaj, kaj en la rezultoj vi ne povas vidi indikilojn kun la bezonata grado de detalo. Ni decidis fari plurajn apartajn provojn. Unue Pinta rendimento de vGPU uzante aron de simplaj matematikaj kalkuloj uzante OpenCL. esence simila al la plurmedia (ne aritmetika!) testo de Sandra por CPU. Por komparo, ni metu sur la saman diagramon Multmedia testo de VPS CPU. Eĉ CPU kun kvar pretigaj kernoj estas rimarkeble pli malalta ol vGPU.
Ni transiru de sintezaj provoj al praktikaj aferoj. Kriptografiaj testoj helpis nin determini la rapidecon de datuma kodado kaj malkodado. Jen komparo de rezultoj por и ankaŭ montris klaran avantaĝon de la akcelilo.
Alia areo de apliko por vGPU estas financa analizo. Tiaj kalkuloj estas facile paraleligeblaj, sed por plenumi ilin vi bezonos video-adaptilon kiu subtenas duoble-precizecajn kalkulojn. Kaj denove la rezultoj parolas por si mem: sufiĉe potencaj perdas tute .
La lasta provo, kiun ni faris, estis sciencaj kalkuloj kun alta precizeco. faris pli bone denove kun matrica multipliko, rapida transformo de Fourier kaj aliaj similaj problemoj.
trovoj
vGPU-oj ne taŭgas por prizorgi grafikajn redaktilojn, kaj ankaŭ por 3D-bildigo kaj videopretigaj aplikaĵoj. Adaptiloj por labortablaj sistemoj multe pli bone traktas grafikojn, sed la virtuala povas fari paralelajn kalkulojn pli rapide ol la CPU. Pro tio ni devas danki la produktivan RAM kaj pli grandan nombron da aritmetik-logikaj moduloj. Kolekto kaj prilaborado de datumoj de diversaj sensiloj, analizaj kalkuloj por komercaj aplikoj, sciencaj kaj inĝenieraj kalkuloj, trafika analizo kaj ŝarĝo, laborado kun komercaj sistemoj - estas multaj komputikaj taskoj por kiuj GPU-oj estas nemalhaveblaj. Kompreneble, vi povas kunveni tian servilon hejme aŭ en la oficejo, sed vi devos pagi bonordan sumon por la aĉeto de aparataro kaj licencita programaro. Aldone al kapitalkostoj, ekzistas ankaŭ operaciaj kostoj por prizorgado, inkluzive de elektrofakturoj. Estas depreco - ekipaĵo eluziĝas kun la tempo, kaj malnoviĝas eĉ pli rapide. Virtualaj serviloj ne havas ĉi tiujn malavantaĝojn: ili povas esti kreitaj laŭbezone kaj forigitaj kiam la bezono de komputika potenco malaperas. Pagi por rimedoj nur kiam vi bezonas ilin estas ĉiam profita.
fonto: www.habr.com