این یک تصور غلط رایج است که سرورهای مجازی با vGPU گران هستند. در این بررسی کوتاه، سعی خواهم کرد این تصور را رد کنم.
یک جستجوی آنلاین بلافاصله گزینههای اجاره ابررایانهها یا سرورهای NVIDIA Tesla V100 با پردازندههای گرافیکی اختصاصی قدرتمندتر را نشان میدهد. خدمات مشابهی نیز در دسترس هستند، به عنوان مثال، از , یا هزینه ماهانه آنها دهها هزار روبل است و من میخواستم گزینههای ارزانتری برای برنامههای OpenCL و/یا CUDA پیدا کنم. VPS های ارزان قیمت با آداپتورهای ویدیویی در بازار روسیه خیلی رایج نیستند. در این مقاله کوتاه، قابلیتهای محاسباتی آنها را با استفاده از معیارهای مصنوعی مقایسه خواهم کرد.
شرکت کنندگان
فهرست نامزدهای شرکت در این بررسی شامل سرورهای مجازی ارائه دهندگان خدمات میزبانی وب بود. , , , и دسترسی به سرور مشکلی نداشت، زیرا تقریباً همه ارائه دهندگان خدمات، یک دوره آزمایشی رایگان ارائه میدهند. UltraVDS رسماً دوره آزمایشی رایگان ارائه نمیدهد، اما مذاکره آسان بود: پس از اطلاع از این پست، کارکنان پشتیبانی مبلغ مورد نیاز برای سفارش VPS را به حساب جایزه من واریز کردند. در این مرحله، استفاده از ماشینهای مجازی VDS4YOU ممنوع بود، زیرا ارائه دهنده خدمات میزبانی وب برای دوره آزمایشی رایگان به یک کارت شناسایی اسکن شده نیاز دارد. من درک میکنم که محافظت در برابر سوءاستفاده مهم است، اما برای تأیید، جزئیات گذرنامه یا مثلاً پیوند دادن یک حساب رسانه اجتماعی - که توسط 1Gb.ru لازم است - کافی است.
تنظیمات و قیمت ها
برای آزمایش، از دستگاههای میانرده با هزینه کمتر از 10 هزار روبل در ماه استفاده کردیم: 2 هسته محاسباتی، 4 گیگابایت رم، 20 تا 50 گیگابایت SSD، vGPU با 256 مگابایت VRAM و Windows Server ۲۰۱۶. قبل از ارزیابی عملکرد VDS، بیایید نگاهی دقیقتر به زیرسیستمهای گرافیکی آنها بیندازیم. ایجاد شده توسط ابزار اطلاعات دقیقی در مورد راهحلهای سختافزاری و نرمافزاری مورد استفاده توسط میزبانان ارائه میدهد. به عنوان مثال، میتوانید نسخه درایور ویدیو، میزان حافظه ویدیویی موجود و پشتیبانی از OpenCL و CUDA را مشاهده کنید.
1Gb.ru
GPUcloud
RuVDS
UltraVDS
مجازی سازی
Hyper-V
OpenStack
Hyper-V
Hyper-V
هستههای محاسباتی
2*2,6 گیگاهرتز
2*2,8 گیگاهرتز
2*3,4 گیگاهرتز
2*2,2 گیگاهرتز
رم، گیگابایت
4
4
4
4
فضای ذخیرهسازی، گیگابایت
30 (اساسدی)
50 (اساسدی)
20 (اساسدی)
30 (اساسدی)
پردازنده گرافیکی مجازی
RemoteFX
انویدیا گرید
RemoteFX
RemoteFX
آداپتور ویدیویی
NVIDIA GeForce GTX 1080 Ti
NVIDIA Tesla T4
NVIDIA Quadro P4000
ایامدی فایرپرو W4300
vRAM، مگابایت
256
4063
256
256
پشتیبانی از OpenCL
+
+
+
+
پشتیبانی از کودا
-
+
-
-
قیمت ماهانه (هنگام پرداخت سالانه)، روبل.
3494 (3015)
7923,60
1904 (1333)
1930 (1351)
پرداخت برای منابع، روبل
هیچ
CPU = 0,42 روبل در ساعت،
رم = 0,24 روبل در ساعت،
SSD = 0,0087 مالش در ساعت،
OS Windows = ۱.۶۲ روبل در ساعت،
IPv4 = 0,15 روبل در ساعت،
vGPU (T4/4Gb) = 7 روپیه در ساعت.
از ۶۲۳.۲۸ + ۳۰ برای نصب
هیچ
دوره آزمایشی
روز 10
۷ روز یا بیشتر با توافق
۳ روز با صورتحساب ماهانه
هیچ
از بین ارائهدهندگان مورد بررسی، تنها GPUcloud از مجازیسازی OpenStack و فناوری NVIDIA GRID استفاده میکند. با توجه به حجم بالای حافظه ویدیویی (پروفایلهای ۴، ۸ و ۱۶ گیگابایتی موجود است)، این سرویس گرانتر است، اما مشتریان قادر به اجرای برنامههای OpenCL و CUDA خواهند بود. سایر رقبا vGPUهایی با VRAM کوچکتر ارائه میدهند که با استفاده از Microsoft RemoteFX ساخته شدهاند. آنها به طور قابل توجهی ارزانتر هستند اما فقط از OpenCL پشتیبانی میکنند.
ازمایش عملکرد
گیک بنچ 5
با کمک این برنامه محبوب شما میتوانید عملکرد زیرسیستم گرافیکی را برای برنامههای OpenCL و CUDA اندازهگیری کنید. نمودار زیر خلاصه نتایج و دادههای دقیقتر را برای سرورهای مجازی نشان میدهد. ، جیپییو کلود ( и ), и در وبسایت توسعهدهندهی بنچمارک موجود است. باز کردن آنها یک واقعیت جالب را آشکار میکند: GeekBench حجم VRAM را به طور قابل توجهی بالاتر از ۲۵۶ مگابایت اعلام شده نشان میدهد. سرعت کلاک CPU نیز ممکن است بالاتر از مقدار اعلام شده باشد. این امر در محیطهای مجازی رایج است - تا حد زیادی به حجم کار میزبان فیزیکی که VPS را اجرا میکند بستگی دارد.
vGPU های اشتراکی "سرور" هنگام استفاده برای برنامههای گرافیکی سنگین، عملکرد بدتری نسبت به آداپتورهای گرافیکی دسکتاپ با کارایی بالا دارند. این راهکارها در درجه اول برای کارهای محاسباتی طراحی شدهاند. معیارهای مصنوعی دیگری برای ارزیابی عملکرد آنها انجام شد.
بنچمارک FAHBench نسخه ۲.۳.۱
برای تجزیه و تحلیل جامع از قابلیتهای محاسباتی vGPU مناسب نیست، اما میتوان از آن برای مقایسه عملکرد آداپتورهای ویدئویی روی VPS های مختلف در محاسبات پیچیده با استفاده از OpenCL استفاده کرد. پروژه محاسبات توزیع شده مشکل باریک مدلسازی کامپیوتری تاخوردگی پروتئین را حل میکند. محققان در تلاشند تا علل آسیبشناسیهای مرتبط با پروتئینهای معیوب را درک کنند: بیماریهای آلزایمر و پارکینسون، بیماری جنون گاوی، اماس و غیره. مقدار اندازهگیری شده، که با استفاده از ابزاری که آنها ایجاد کردهاند، اندازهگیری میشود، عملکرد محاسبات با دقت تکی و دو تایی در نمودار نشان داده شده است. متأسفانه، این ابزار خطایی را در ماشین مجازی UltraVDS نشان داد.
در زیر مقایسهای از نتایج محاسبات برای روش مدلسازی ضمنی dhfr ارائه خواهم داد.
سیسافتور ساندرا ۲۰/۲۰
بسته بندی این ابزار برای ارزیابی قابلیتهای محاسباتی آداپتورهای ویدئویی مجازی (VGA) در ارائه دهندگان مختلف میزبانی وب ایدهآل است. این ابزار شامل مجموعههای معیار محاسبات عمومی (GPGPU) است و از OpenCL، DirectCompute و CUDA پشتیبانی میکند. برای شروع، یک ارزیابی کلی از vGPU های مختلف انجام شد. نمودار نتایج خلاصه را نشان میدهد، در حالی که دادههای دقیقتر برای سرورهای مجازی در دسترس است. ، جیپییو کلود () و در وبسایت توسعهدهندهی بنچمارک موجود هستند.
بنچمارک «طولانی» ساندرا نیز با مشکلاتی مواجه شد. برای ارائهدهندهی GPUcloud VPS، این ارائهدهنده نتوانست ارزیابی کلی را با استفاده از OpenCL اجرا کند. حتی با انتخاب گزینهی مناسب، این ابزار همچنان به CUDA متکی بود. این آزمایش برای دستگاه UltraVDS نیز با شکست مواجه شد: بنچمارک در هنگام تلاش برای تعیین تأخیر حافظه، روی ۸۶٪ متوقف شد.
مجموعه بنچمارکهای عمومی، معیارهای دقیق کافی را ارائه نمیدهند یا امکان محاسبات بسیار دقیق را فراهم نمیکنند. چندین آزمایش جداگانه مورد نیاز بود، که با تعیین اوج عملکرد آداپتور گرافیکی با استفاده از مجموعهای از محاسبات ریاضی ساده با استفاده از OpenCL و (در صورت امکان) CUDA شروع میشد. این نیز فقط معیارهای کلی را نمایش میدهد، در حالی که نتایج دقیق برای VPS در دسترس است. ، جیپییو کلود ( и ), и موجود در وبسایت.
ساندرا مجموعهای از آزمایشهای رمزنگاری را برای مقایسه سرعت رمزگذاری و رمزگشایی دادهها ارائه میدهد. نتایج دقیق در وبسایت موجود است. ، جیپییو کلود ( и ), и .
محاسبات مالی موازی به آداپتوری نیاز دارند که بتواند از محاسبات با دقت مضاعف پشتیبانی کند. این یکی دیگر از حوزههای مهم کاربرد vGPU است. نتایج دقیق این مورد در وبسایت موجود است. ، جیپییو کلود ( и ), и .
ساندرا ۲۰/۲۰ به شما امکان میدهد قابلیتهای استفاده از vGPU را برای محاسبات علمی با دقت بالا آزمایش کنید: ضرب ماتریس، تبدیل سریع فوریه و غیره. نتایج دقیق در وبسایت موجود است. ، جیپییو کلود ( и ), и .
در نهایت، آزمایشی از قابلیتهای پردازش تصویر vGPU انجام شد. نتایج دقیق در وبسایت موجود است. ، جیپییو کلود ( и ), и .
یافته ها
سرور مجازی GPUcloud در GeekBench 5 و FAHBench عملکرد بسیار خوبی داشت، اما نتوانست از معیارهای عمومی Sandra پیشی بگیرد. این سرور به طور قابل توجهی گرانتر از رقبای خود است، اما حافظه ویدیویی و پشتیبانی CUDA به طور قابل توجهی بیشتری ارائه میدهد. سرور مجازی 1Gb.ru در تستهای دقت بالای Sandra پیشتاز بود، اما ارزان هم نیست و در سایر تستها عملکرد متوسطی داشت. UltraVDS به وضوح ضعیفتر بود: مطمئن نیستم که این موضوع مرتبط باشد، اما تنها ارائه دهنده میزبانی وب است که کارتهای گرافیک AMD ارائه میدهد. از نظر قیمت/عملکرد، من RuVDS را بهترین یافتم. هزینه آن کمتر از 2000 روبل در ماه است و در تستهای ما عملکرد بسیار خوبی داشت. رتبهبندی نهایی به شرح زیر است:
محل
میزبان
پشتیبانی از OpenCL
پشتیبانی از کودا
عملکرد بالا طبق GeekBench 5
عملکرد بالا طبق FAHBench
عملکرد بالا طبق استاندارد Sandra 20/20
قیمت پایین
I
RuVDS
+
-
+
+
+
+
II
1Gb.ru
+
-
+
+
+
+
III
GPUcloud
+
+
+
+
+
-
IV
UltraVDS
+
-
-
-
-
+
من در مورد برنده کمی شک داشتم، اما این بررسی بر روی VPS اقتصادی با vGPU تمرکز دارد و ماشین مجازی RuVDS تقریباً نصف قیمت نزدیکترین رقیب خود و بیش از چهار برابر قیمت گرانترین گزینه بررسی شده است. کسب رتبههای دوم و سوم نیز دشوار بود، اما در اینجا نیز قیمت بر سایر عوامل غلبه داشت.
آزمایشها نشان داد که vGPUهای سطح پایه مقرونبهصرفه هستند و میتوان از آنها برای کارهای محاسباتی استفاده کرد. البته، پیشبینی عملکرد یک ماشین تحت بار دنیای واقعی با استفاده از معیارهای مصنوعی دشوار است و تخصیص منابع مستقیماً به همسایگان میزبان فیزیکی بستگی دارد - بنابراین این را در نظر بگیرید. اگر VPSهای ارزانقیمت دیگری با vGPU به صورت آنلاین پیدا کردید، لطفاً آنها را در نظرات به اشتراک بگذارید.
منبع: www.habr.com
