В
Fyysisten videosovittimien käyttämiseen virtuaaliympäristöissä valitsimme RemoteFX vGPU -tekniikan, jota Microsoft hypervisor tukee. Tässä tapauksessa isännässä on oltava prosessorit, jotka tukevat SLAT-tekniikkaa (EPT Inteliltä tai NPT/RVI AMD:ltä), sekä näytönohjaimet, jotka täyttävät Hyper-V:n luojien vaatimukset. Älä missään tapauksessa vertaa tätä ratkaisua fyysisten koneiden työpöytäsovittimiin, jotka yleensä osoittavat parempaa suorituskykyä grafiikan kanssa työskennellessä. Testauksessamme vGPU kilpailee virtuaalipalvelimen keskusprosessorin kanssa - melko loogista laskentatehtävissä. Huomaa myös, että RemoteFX:n lisäksi on olemassa muita vastaavia teknologioita, esimerkiksi NVIDIA Virtual GPU - sen avulla voit siirtää grafiikkakomentoja jokaisesta virtuaalikoneesta suoraan sovittimeen kääntämättä niitä hypervisorille.
testit
Testeissä käytettiin konetta, jossa oli 4 laskentaydintä 3,4 GHz:llä, 16 Gt RAM-muistia, 100 Gt:n SSD (SSD) ja virtuaalinen videosovitin 512 Mt videomuistilla. Fyysinen palvelin on varustettu ammattimaisilla NVIDIA Quadro P4000 -näytönohjainkorteilla, ja vierasjärjestelmässä on Windows Server 2016 Standard (64-bittinen) tavallisella Microsoft Remote FX -videoohjaimella.
▍GeekBench 5
Aluksi
Käytimme tätä vertailuarvoa edellisessä artikkelissa ja se vain vahvisti ilmeisen - meidän vGPU on heikompi kuin korkean suorituskyvyn työpöydän näytönohjain tyypillisten "grafiikka"tehtävien ratkaisemiseen.
▍GPU Caps Viewer 1.43.0.0
Yrityksen luoma
▍FAHBench 2.3.1
OpenCL:ää käyttävien vGPU:iden laskennan suorituskyky FAHBenchin avulla mitattuna osoittautui noin 6 kertaa (implisiittiselle mallinnusmenetelmälle - noin 10 kertaa) korkeammaksi kuin vastaavat indikaattorit riittävän tehokkaalle keskusprosessorille.
Alla esittelemme laskelmien tulokset kaksinkertaisella tarkkuudella.
▍SiSoftware Sandra 20/20
Toinen yleinen paketti tietokoneiden diagnosointiin ja testaukseen. Sen avulla voit tutkia palvelimen laitteisto- ja ohjelmistokokoonpanoja yksityiskohtaisesti ja sisältää valtavan määrän erilaisia vertailuarvoja. CPU-laskennan lisäksi Sandra 20/20 tukee OpenCL-, DirectCompute- ja CUDA-sovelluksia. Olemme ensisijaisesti kiinnostuneita niistä, jotka sisältyvät ilmaiseen versioon
Sandra 20/20:ssa on samanlaiset suorittimen vertailuarvot. Käynnistetään ne
Videosovittimen edut näkyvät selvästi, mutta kokonaistestipaketin asetukset eivät ole täysin identtisiä, eikä tuloksissa voi nähdä indikaattoreita vaaditulla tarkkuudella. Päätimme tehdä useita erillisiä testejä. Ensiksi
Siirrytään synteettisistä testeistä käytännön asioihin. Kryptografiset testit auttoivat meitä määrittämään tietojen koodauksen ja dekoodauksen nopeuden. Tässä on tulosten vertailu kohteelle
Toinen vGPU:n sovellusalue on talousanalyysi. Tällaiset laskelmat on helppo rinnastaa, mutta niiden suorittamiseen tarvitset videosovittimen, joka tukee kaksinkertaista tarkkuutta laskelmia. Ja taas tulokset puhuvat puolestaan: melko voimakkaita
Viimeisin tekemämme testi oli tieteellisiä laskelmia suurella tarkkuudella.
Tulokset
vGPU:t eivät sovellu hyvin grafiikkaeditorien, samoin kuin 3D-renderöinti- ja videonkäsittelysovellusten käyttämiseen. Pöytätietokoneiden sovittimet selviävät grafiikan kanssa paljon paremmin, mutta virtuaalinen voi suorittaa rinnakkaislaskelmia nopeammin kuin prosessori. Tästä meidän täytyy kiittää tuottavaa RAM-muistia ja suurempaa määrää aritmeettis-loogisia moduuleja. Tietojen kerääminen ja käsittely eri antureilta, analyyttiset laskelmat yrityssovelluksiin, tieteelliset ja tekniset laskelmat, liikenneanalyysit ja veloitukset, työskentely kaupankäyntijärjestelmien kanssa - on monia laskentatehtäviä, joihin GPU:t ovat välttämättömiä. Tietenkin voit koota tällaisen palvelimen kotona tai toimistossa, mutta joudut maksamaan siistin summan laitteiston ja lisensoidun ohjelmiston ostamisesta. Pääomakustannusten lisäksi tulee myös ylläpidon käyttökustannuksia, mukaan lukien sähkölaskut. Poistot ovat olemassa - laitteet kuluvat ajan myötä ja vanhenevat entistä nopeammin. Virtuaalipalvelimilla ei ole näitä haittoja: niitä voidaan luoda tarpeen mukaan ja poistaa, kun laskentatehon tarve katoaa. Resursseista maksaminen vain silloin, kun niitä tarvitsee, on aina kannattavaa.
Lähde: will.com