اعتقاد بر این است که سرورهای مجازی با vGPU گران هستند. در یک بررسی کوتاه سعی می کنم این پایان نامه را رد کنم.
جستجو در اینترنت بلافاصله اجاره ابر رایانه‌هایی با NVIDIA Tesla V100 یا سرورهای ساده‌تر با پردازنده‌های گرافیکی اختصاصی قدرتمند را نشان می‌دهد. خدمات مشابهی در دسترس هستند، به عنوان مثال، , یا . هزینه ماهانه آنها در ده ها هزار روبل اندازه گیری می شود، و من می خواستم گزینه های ارزان تری برای برنامه های OpenCL و/یا CUDA پیدا کنم. VPS های ارزان قیمت با آداپتورهای ویدئویی در بازار روسیه وجود ندارد؛ در یک مقاله کوتاه، توانایی های محاسباتی آنها را با استفاده از تست های مصنوعی مقایسه خواهم کرد.
شرکت کنندگان
سرورهای مجازی میزبانی در لیست نامزدهای شرکت در بررسی قرار گرفتند. , , , и . هیچ مشکل خاصی در دسترسی وجود نداشت، زیرا تقریباً همه ارائه دهندگان یک دوره آزمایشی رایگان دارند. UltraVDS رسماً آزمایش رایگان ندارد، اما به توافق رسیدن کار دشواری نبود: پس از اطلاع از انتشار، کارکنان پشتیبانی مبلغ مورد نیاز برای سفارش VPS را به حساب پاداش من واریز کردند. در این مرحله، ماشین های مجازی VDS4YOU از رقابت خارج شدند، زیرا برای تست رایگان، هاست از شما می خواهد که اسکن کارت شناسایی خود را ارائه دهید. من می دانم که شما باید از خود در برابر سوء استفاده محافظت کنید، اما برای تأیید، جزئیات گذرنامه یا، به عنوان مثال، پیوند دادن یک حساب در یک شبکه اجتماعی - این مورد نیاز 1Gb.ru است.
تنظیمات و قیمت ها
برای آزمایش، ماشین‌های سطح متوسطی را با هزینه کمتر از 10 هزار روبل در ماه گرفتیم: 2 هسته محاسباتی، 4 گیگابایت رم، 20 تا 50 گیگابایت SSD، vGPU با 256 مگابایت VRAM و Windows Server 2016. قبل از ارزیابی عملکرد VDS، بیایید با نگاهی مسلحانه به زیرسیستم های گرافیکی آنها نگاه کنیم. توسط شرکت ایجاد شده است ابزار به شما این امکان را می دهد که اطلاعات دقیقی در مورد راه حل های سخت افزاری و نرم افزاری مورد استفاده توسط میزبان ها به دست آورید. با کمک آن می توانید به عنوان مثال، نسخه درایور ویدیو، مقدار حافظه ویدیویی موجود و همچنین داده های پشتیبانی OpenCL و CUDA را مشاهده کنید.
1Gb.ru
GPUcloud
RuVDS
UltraVDS
مجازی سازی
Hyper-V
OpenStack
Hyper-V
Hyper-V
هسته های محاسباتی
2*2,6 گیگاهرتز
2*2,8 گیگاهرتز
2*3,4 گیگاهرتز
2*2,2 گیگاهرتز
رم، گیگابایت
4
4
4
4
فضای ذخیره سازی، گیگابایت
30 (SSD)
50 (SSD)
20 (SSD)
30 (SSD)
vGPU
RemoteFX
NVIDIA GRID
RemoteFX
RemoteFX
آداپتور ویدیویی
NVIDIA GeForce GTX 1080 Ti
NVIDIA Tesla T4
NVIDIA Quadro P4000
AMD FirePro W4300
vRAM، مگابایت
256
4063
256
256
پشتیبانی OpenCL
+
+
+
+
پشتیبانی CUDA
-
+
-
-
قیمت در ماه (در صورت پرداخت سالانه)، مالش.
3494 (3015)
7923,60
1904 (1333)
1930 (1351)
پرداخت برای منابع، مالش
هیچ
CPU = 0,42 روبل در ساعت،
RAM = 0,24 روبل در ساعت،
SSD = 0,0087 روبل در ساعت،
سیستم عامل ویندوز = 1,62 روبل در ساعت،
IPv4 = 0,15 روبل در ساعت،
vGPU (T4/4Gb) = 7 روبل در ساعت.
از 623,28 + 30 در هر نصب
هیچ
دوره آزمایشی
روز 10
7 روز یا بیشتر با توافق
3 روز با صورتحساب ماهانه
هیچ
از میان ارائه دهندگان بررسی شده، تنها GPUcloud از مجازی سازی OpenStack و فناوری NVIDIA GRID استفاده می کند. با توجه به حجم بالای حافظه ویدیویی (پروفیل های 4، 8 و 16 گیگابایتی موجود است)، این سرویس گران تر است، اما مشتری برنامه های OpenCL و CUDA را اجرا می کند. بقیه رقبا VGPU هایی با VRAM کمتر ارائه می دهند که با استفاده از Microsoft RemoteFX ایجاد شده اند. آنها هزینه بسیار کمتری دارند، اما فقط از OpenCL پشتیبانی می کنند.
ازمایش عملکرد
گیک بنچ 5
با این محبوب می توانید عملکرد گرافیکی را برای برنامه های OpenCL و CUDA اندازه گیری کنید. نمودار زیر نتیجه خلاصه را با داده های دقیق تر برای سرورهای مجازی نشان می دهد ، GPUcloud ( и ), и در وب سایت توسعه دهنده معیار موجود است. باز کردن آنها یک واقعیت جالب را آشکار می کند: GeekBench مقادیر VRAM بسیار بالاتر از 256 مگابایت سفارش داده شده را نشان می دهد. سرعت کلاک پردازنده های مرکزی نیز ممکن است بیشتر از آنچه گفته شده باشد. این یک اتفاق رایج در محیط‌های مجازی است - خیلی به بار روی میزبان فیزیکی که VPS روی آن اجرا می‌شود بستگی دارد.
vGPUهای مشترک "سرور" نسبت به آداپتورهای ویدئویی "رومیزی" با کارایی بالا زمانی که برای برنامه های گرافیکی سنگین استفاده می شوند ضعیف تر هستند. چنین راه حل هایی عمدتاً برای کارهای محاسباتی در نظر گرفته شده اند. سایر آزمایشات مصنوعی برای ارزیابی عملکرد آنها انجام شد.
FAHBench 2.3.1
برای تجزیه و تحلیل جامع قابلیت های محاسباتی vGPU مناسب نیست، اما می توان از آن برای مقایسه عملکرد آداپتورهای ویدئویی از VPS های مختلف در محاسبات پیچیده با استفاده از OpenCL استفاده کرد. پروژه محاسباتی توزیع شده مشکل محدود مدل‌سازی کامپیوتری تا شدن مولکول‌های پروتئین را حل می‌کند. محققان در تلاشند تا علل آسیب‌شناسی مرتبط با پروتئین‌های معیوب را درک کنند: بیماری‌های آلزایمر و پارکینسون، بیماری جنون گاوی، مولتیپل اسکلروزیس و غیره. با استفاده از ابزاری که ایجاد کردند اندازه گیری شد عملکرد دقیق تک و دوگانه در نمودار نشان داده شده است. متأسفانه، ابزار یک خطا در ماشین مجازی UltraVDS ایجاد کرد.
در مرحله بعد، من نتایج محاسباتی را برای روش مدل سازی ضمنی dhfr مقایسه خواهم کرد.
SiSoftware Sandra 20/20
بسته بندی برای ارزیابی قابلیت های محاسباتی آداپتورهای ویدئویی مجازی از میزبان های مختلف عالی است. این ابزار شامل مجموعه‌های معیار محاسباتی عمومی (GPGPU) است و از OpenCL، DirectCompute و CUDA پشتیبانی می‌کند. برای شروع، ارزیابی کلی از vGPU های مختلف انجام شد. نمودار نتیجه خلاصه، داده های دقیق تر را برای سرورهای مجازی نشان می دهد ، GPUcloud () و در وب سایت توسعه دهنده معیار موجود است.
همچنین مشکلاتی در آزمایش "طولانی" ساندرا وجود داشت. برای ارائه دهنده VPS GPUcloud، امکان انجام یک ارزیابی کلی با استفاده از OpenCL وجود نداشت. هنگام انتخاب گزینه مناسب، ابزار همچنان از طریق CUDA کار می کرد. دستگاه UltraVDS نیز در این آزمایش شکست خورد: معیار در 86٪ ثابت شد در حالی که تلاش برای تعیین تأخیر حافظه بود.
در بسته آزمایشی عمومی، مشاهده اندیکاتورها با درجه جزئیات کافی یا انجام محاسبات با دقت بالا غیرممکن است. ما مجبور شدیم چندین آزمایش جداگانه را اجرا کنیم، با تعیین حداکثر عملکرد آداپتور ویدیویی با استفاده از مجموعه ای از محاسبات ساده ریاضی با استفاده از OpenCL و (در صورت امکان) CUDA. این همچنین فقط نشانگر کلی و نتایج دقیق برای VPS از را نشان می دهد ، GPUcloud ( и ), и در وب سایت موجود است.
برای مقایسه سرعت رمزگذاری و رمزگشایی داده ها، ساندرا مجموعه ای از تست های رمزنگاری دارد. نتایج تفصیلی برای ، GPUcloud ( и ), и .
محاسبات مالی موازی نیاز به یک محاسبه آداپتور با دقت دوگانه دارد. این یکی دیگر از زمینه های مهم کاربردی برای vGPU ها است. نتایج تفصیلی برای ، GPUcloud ( и ), и .
Sandra 20/20 به شما امکان می دهد تا امکان استفاده از vGPU برای محاسبات علمی را با دقت بالا آزمایش کنید: ضرب ماتریس، تبدیل فوریه سریع و غیره. نتایج تفصیلی برای ، GPUcloud ( и ), и .
در نهایت، آزمایشی از قابلیت های پردازش تصویر vGPU انجام شد. نتایج تفصیلی برای ، GPUcloud ( и ), и .
یافته ها
سرور مجازی GPUcloud نتایج بسیار خوبی در تست‌های GeekBench 5 و FAHBench نشان داد، اما در تست‌های بنچمارک Sandra از سطح عمومی بالاتر نرفت. هزینه آن بسیار بیشتر از خدمات رقبا است، اما حافظه ویدیویی بسیار بیشتری دارد و از CUDA پشتیبانی می کند. در تست های ساندرا، VPS از 1Gb.ru با دقت محاسباتی بالا پیشرو بود، اما همچنین ارزان نیست و در تست های دیگر به طور متوسط انجام می شود. معلوم شد که UltraVDS یک خارجی آشکار است: نمی‌دانم ارتباطی در اینجا وجود دارد یا نه، اما فقط این میزبان کارت‌های ویدئویی AMD را به مشتریان ارائه می‌دهد. از نظر نسبت قیمت به عملکرد، سرور RuVDS به نظر من بهترین است. هزینه آن کمتر از 2000 روبل در ماه است و آزمایشات به خوبی سپری شد. جدول رده بندی نهایی به این صورت است:
محل
میزبان
پشتیبانی OpenCL
پشتیبانی CUDA
عملکرد بالا بر اساس GeekBench 5
عملکرد بالا بر اساس FAHBench
عملکرد بالا با توجه به Sandra 20/20
قیمت پایین
I
RuVDS
+
-
+
+
+
+
II
1Gb.ru
+
-
+
+
+
+
III
GPUcloud
+
+
+
+
+
-
IV
UltraVDS
+
-
-
-
-
+
من در مورد برنده شک داشتم، اما بررسی به VPS بودجه با vGPU اختصاص دارد و ماشین مجازی RuVDS تقریباً نصف نزدیکترین رقیب خود و بیش از چهار برابر گران ترین پیشنهاد بررسی شده قیمت دارد. رتبه دوم و سوم نیز به راحتی قابل تقسیم نبود، اما در اینجا نیز قیمت بر سایر عوامل برتری داشت.
در نتیجه آزمایش، مشخص شد که vGPU های سطح مبتدی آنقدر گران نیستند و می توانند از قبل برای حل مشکلات محاسباتی استفاده شوند. البته، با استفاده از آزمایش‌های مصنوعی، پیش‌بینی نحوه رفتار یک ماشین تحت بار واقعی دشوار است، و علاوه بر این، توانایی تخصیص منابع مستقیماً به همسایگان آن در میزبان فیزیکی بستگی دارد - برای این کار هزینه کنید. اگر VPS مقرون به صرفه دیگری با vGPU در اینترنت روسیه پیدا کردید، دریغ نکنید که در نظرات درباره آنها بنویسید.
منبع: www.habr.com