В article où nous avons parlé de notre nouveau service avec une carte vidéo, nous n'avons pas abordé certains aspects intéressants de l'utilisation de serveurs virtuels avec des adaptateurs vidéo. Il est temps d'ajouter plus de tests.
Pour utiliser des adaptateurs vidéo physiques dans des environnements virtuels, nous avons choisi la technologie RemoteFX vGPU, prise en charge par l'hyperviseur Microsoft. Dans ce cas, l'hôte doit disposer de processeurs prenant en charge SLAT (EPT d'Intel ou NPT/RVI d'AMD), ainsi que de cartes vidéo répondant aux exigences des créateurs d'Hyper-V. En aucun cas, vous ne devez comparer cette solution avec les adaptateurs de bureau sur des machines physiques, qui affichent généralement de meilleures performances lors du travail avec des graphiques. Lors de nos tests, le vGPU rivalisera avec le processeur central du serveur virtuel – ce qui est tout à fait logique pour les tâches informatiques. Notez également qu'en plus de RemoteFX, il existe d'autres technologies similaires, par exemple NVIDIA Virtual GPU - elle vous permet de transférer des commandes graphiques de chaque machine virtuelle directement vers l'adaptateur sans les traduire vers l'hyperviseur.
Tests
Les tests ont utilisé une machine dotée de 4 cœurs de calcul à 3,4 GHz, de 16 Go de RAM, d'un disque SSD (Solid State Drive) de 100 Go et d'un adaptateur vidéo virtuel avec 512 Mo de mémoire vidéo. Le serveur physique est équipé de cartes vidéo professionnelles NVIDIA Quadro P4000 et le système invité exécute Windows Server 2016 Standard (64 bits) avec le pilote vidéo Microsoft Remote FX standard.
▍GeekBench 5
Pour commencer version actuelle de l'utilitaire , qui vous permet de mesurer les performances du système pour les applications OpenCL.
Nous avons utilisé ce benchmark dans l'article précédent et il n'a fait que confirmer l'évidence : notre vGPU est plus faible que les cartes vidéo de bureau hautes performances pour résoudre les tâches « graphiques » typiques.
▍Visionneuse de casquettes GPU 1.43.0.0
Créé par l'entreprise L'utilitaire ne peut pas être qualifié de référence. Il ne contient pas de tests de performances, mais permet d'obtenir des informations sur les solutions matérielles et logicielles utilisées. Ici, vous pouvez voir que notre machine virtuelle vGPU ne prend en charge qu'OpenCL 1.1 et ne prend pas en charge CUDA, malgré l'adaptateur vidéo NVIDIA Quadro P4000 installé sur le serveur physique.
▍FAHBench 2.3.1
du projet de calcul distribué se consacre à résoudre un problème hautement spécialisé de modélisation informatique du repliement des molécules protéiques. Ceci est nécessaire pour étudier les causes des pathologies liées aux protéines défectueuses - maladies d'Alzheimer et de Parkinson, maladie de la vache folle, sclérose en plaques, etc. Utilitaire ne peut pas évaluer de manière exhaustive la puissance de calcul d'un adaptateur vidéo virtuel, mais vous permet de comparer les performances du CPU et du vGPU dans des calculs complexes.
Les performances de calcul sur les vGPU utilisant OpenCL, mesurées à l'aide de FAHBench, se sont avérées environ 6 fois (pour la méthode de modélisation implicite - environ 10 fois) supérieures à des indicateurs similaires pour un processeur central suffisamment puissant.
Nous présentons ci-dessous les résultats de calculs avec une double précision.
▍SiSoftware Sandra 20/20
Un autre package universel pour diagnostiquer et tester les ordinateurs. Il vous permet d'étudier en détail la configuration matérielle et logicielle du serveur et contient un grand nombre de benchmarks différents. En plus du calcul CPU, Sandra 20/20 prend en charge OpenCL, DirectCompute et CUDA. Nous nous intéressons principalement à ceux inclus dans la version gratuite suites de référence informatiques à usage général (GPGPU) utilisant des accélérateurs matériels.
assez bons, bien qu'ils soient légèrement inférieurs aux attentes pour l'adaptateur vidéo NVIDIA Quadro P4000. Les frais généraux liés à la virtualisation auront probablement un impact.
Sandra 20/20 dispose d'un ensemble similaire de benchmarks CPU. Lançons-les vers avec le calcul vGPU.
Les avantages de l'adaptateur vidéo sont clairement visibles, mais les paramètres du package de test global ne sont pas complètement identiques et dans les résultats, vous ne pouvez pas voir d'indicateurs avec le niveau de détail requis. Nous avons décidé de procéder à plusieurs tests distincts. D'abord Performances optimales du vGPU à l’aide d’un ensemble de calculs mathématiques simples utilisant OpenCL. essentiellement similaire au test multimédia (pas arithmétique !) de Sandra pour le CPU. A titre de comparaison, plaçons sur le même schéma Test multimédia du processeur VPS. Même un processeur doté de quatre cœurs de traitement est nettement inférieur au vGPU.
Passons des tests synthétiques aux choses pratiques. Les tests cryptographiques nous ont aidés à déterminer la vitesse d’encodage et de décodage des données. Voici une comparaison des résultats pour и a également montré un net avantage de l'accélérateur.
Un autre domaine d'application du vGPU est l'analyse financière. De tels calculs sont faciles à paralléliser, mais pour les effectuer, vous aurez besoin d'un adaptateur vidéo prenant en charge les calculs en double précision. Et encore une fois les résultats parlent d'eux-mêmes : assez puissant perd carrément .
Le dernier test que nous avons effectué était constitué de calculs scientifiques d’une grande précision. a encore fait mieux avec multiplication matricielle, transformée de Fourier rapide et autres problèmes similaires.
résultats
Les vGPU ne sont pas bien adaptés à l’exécution d’éditeurs graphiques, ainsi qu’aux applications de rendu 3D et de traitement vidéo. Les adaptateurs pour systèmes de bureau gèrent bien mieux les graphiques, mais le virtuel peut effectuer des calculs parallèles plus rapidement que le processeur. Pour cela, nous devons remercier la RAM productive et un plus grand nombre de modules arithmétiques-logiques. Collecte et traitement de données provenant de divers capteurs, calculs analytiques pour les applications commerciales, calculs scientifiques et techniques, analyse et tarification du trafic, collaboration avec des systèmes commerciaux - il existe de nombreuses tâches informatiques pour lesquelles les GPU sont indispensables. Bien sûr, vous pouvez assembler un tel serveur à la maison ou au bureau, mais vous devrez débourser une somme modique pour l'achat de matériel et de logiciels sous licence. Aux coûts d’investissement s’ajoutent également les coûts d’exploitation liés à la maintenance, notamment les factures d’électricité. Il y a une dépréciation - les équipements s'usent avec le temps et deviennent obsolètes encore plus rapidement. Les serveurs virtuels ne présentent pas ces inconvénients : ils peuvent être créés selon les besoins et supprimés lorsque le besoin de puissance de calcul disparaît. Payer les ressources uniquement lorsque vous en avez besoin est toujours rentable.
Source: habr.com