Crese que os servidores virtuais con vGPU son caros. Nunha pequena reseña tentarei refutar esta tese.
Unha busca en Internet revela inmediatamente o aluguer de supercomputadoras con NVIDIA Tesla V100 ou servidores máis sinxelos con potentes GPU dedicadas. Servizos similares están dispoñibles, por exemplo, , ou . O seu custo mensual mídese en decenas de miles de rublos, e quería atopar opcións máis baratas para as aplicacións OpenCL e/ou CUDA. Non hai moitos VPS económicos con adaptadores de vídeo no mercado ruso; nun breve artigo compararei as súas capacidades informáticas mediante probas sintéticas.
Participantes
Os servidores virtuais de hospedaxe foron incluídos na lista de candidatos para participar na revisión. , , , и . Non houbo problemas especiais para acceder, xa que case todos os provedores teñen un período de proba gratuíto. UltraVDS oficialmente non ten unha proba gratuíta, pero non foi difícil chegar a un acordo: despois de coñecer a publicación, o persoal de soporte acreditoume a cantidade necesaria para solicitar un VPS na miña conta de bonos. Nesta fase, as máquinas virtuais VDS4YOU abandonaron a carreira, porque para realizar probas gratuítas o host esixe que proporciones un escaneado da túa tarxeta de identificación. Entendo que cómpre protexerse do abuso, pero para a verificación, os detalles do pasaporte ou, por exemplo, para ligar unha conta nunha rede social - 1Gb.ru require isto.
Configuracións e prezos
Para probar, tomamos máquinas de nivel medio que custaban menos de 10 mil rublos ao mes: 2 núcleos informáticos, 4 GB de RAM, 20 - 50 GB SSD, vGPU con 256 MB de VRAM e Windows Server 2016. Antes de avaliar o rendemento de VDS, vexamos os seus subsistemas gráficos cunha mirada armada. Creado pola empresa utilidade permítelle obter información detallada sobre as solucións de hardware e software que utilizan os hosters. Coa súa axuda podes ver, por exemplo, a versión do controlador de vídeo, a cantidade de memoria de vídeo dispoñible, así como os datos de compatibilidade con OpenCL e CUDA.
1 Gb.ru
GPUcloud
RuVDS
UltraVDS
Virtualización
Hyper-V
OpenStack
Hyper-V
Hyper-V
Núcleos informáticos
2*2,6 GHz
2*2,8 GHz
2*3,4 GHz
2*2,2 GHz
RAM, GB
4
4
4
4
Almacenamento, GB
30 (SSD)
50 (SSD)
20 (SSD)
30 (SSD)
vGPU
RemoteFX
NVIDIA GRID
RemoteFX
RemoteFX
Adaptador de vídeo
NVIDIA GeForce GTX 1080 Ti
NVIDIA Tesla T4
NVIDIA Quadro P4000
AMD FirePro W4300
vRAM, MB
256
4063
256
256
Soporte OpenCL
+
+
+
+
Soporte CUDA
-
+
-
-
Prezo por mes (se se paga anualmente), fregar.
3494 (3015)
7923,60
1904 (1333)
1930 (1351)
Pago de recursos, fregar
non
CPU = 0,42 rublos/hora,
RAM = 0,24 rub/hora,
SSD = 0,0087 rublos/hora,
OS Windows = 1,62 rub/hora,
IPv4 = 0,15 rublos/hora,
vGPU (T4/4Gb) = 7 rublos/hora.
desde 623,28 + 30 por instalación
non
Período de proba
Día 10
7 días ou máis por acordo
3 días con facturación mensual
non
Dos provedores revisados, só GPUcloud usa a virtualización OpenStack e a tecnoloxía NVIDIA GRID. Debido á gran cantidade de memoria de vídeo (dispoñen de perfís de 4, 8 e 16 GB), o servizo é máis caro, pero o cliente executará aplicacións OpenCL e CUDA. O resto dos competidores ofrecen vGPU con menos VRAM, creadas usando Microsoft RemoteFX. Custan moito menos, pero só admiten OpenCL.
Probas de rendemento
Geek Bench 5
Con este popular Pode medir o rendemento dos gráficos para as aplicacións OpenCL e CUDA. O seguinte gráfico mostra o resultado resumido, con datos máis detallados para servidores virtuais , GPUcloud ( и ), и dispoñible no sitio web do programador de referencia. Ao abrilos revela un dato interesante: GeekBench mostra cantidades de VRAM moi superiores aos 256 MB solicitados. A velocidade de reloxo dos procesadores centrais tamén pode ser superior á indicada. Esta é unha ocorrencia común en ambientes virtuais: moito depende da carga do host físico no que se executa o VPS.
As vGPU de "servidor" compartidas son máis débiles que os adaptadores de vídeo "de escritorio" de alto rendemento cando se usan para aplicacións gráficas pesadas. Tales solucións están destinadas principalmente a tarefas informáticas. Realizáronse outras probas sintéticas para avaliar o seu rendemento.
FAHBench 2.3.1
Para unha análise completa das capacidades de computación vGPU non é adecuado, pero pódese usar para comparar o rendemento dos adaptadores de vídeo de diferentes VPS en cálculos complexos mediante OpenCL. Proxecto de computación distribuída resolve o problema estreito do modelado por ordenador do pregamento de moléculas de proteínas. Os investigadores tratan de comprender as causas das patoloxías asociadas a proteínas defectuosas: enfermidades de Alzheimer e Parkinson, enfermidade das vacas tolas, esclerose múltiple, etc. Medido mediante a utilidade que crearon O rendemento de precisión simple e dobre móstrase no gráfico. Desafortunadamente, a utilidade xerou un erro na máquina virtual UltraVDS.
A continuación, compararei os resultados do cálculo para o método de modelado implícito dhfr.
SiSoftware Sandra 20/20
Paquete Ideal para avaliar as capacidades informáticas dos adaptadores de vídeo virtuais de varios servidores. A utilidade contén paquetes de referencia de computación de propósito xeral (GPGPU) e admite OpenCL, DirectCompute e CUDA. Para comezar, fíxose unha valoración xeral das diferentes vGPU. O diagrama mostra o resultado resumido, datos máis detallados para servidores virtuais , GPUcloud () E dispoñible no sitio web do programador de referencia.
Tamén houbo problemas coa proba "longa" de Sandra. Para o provedor de VPS GPUcloud, non foi posible realizar unha avaliación xeral usando OpenCL. Ao seleccionar a opción adecuada, a utilidade aínda funcionaba a través de CUDA. A máquina UltraVDS tamén fallou esta proba: o punto de referencia conxelouse nun 86% ao tentar determinar a latencia da memoria.
No paquete de proba xeral, é imposible ver indicadores cun grao de detalle suficiente ou realizar cálculos con alta precisión. Tivemos que realizar varias probas separadas, comezando por determinar o rendemento máximo do adaptador de vídeo mediante un conxunto de cálculos matemáticos sinxelos usando OpenCL e (se é posible) CUDA. Isto tamén mostra só o indicador xeral e os resultados detallados de VPS , GPUcloud ( и ), и dispoñible na páxina web.
Para comparar a velocidade de codificación e descodificación dos datos, Sandra ten un conxunto de probas criptográficas. Resultados detallados para , GPUcloud ( и ), и .
Os cálculos financeiros paralelos requiren un cálculo de adaptador de dobre precisión compatible. Esta é outra área importante de aplicación para vGPU. Resultados detallados para , GPUcloud ( и ), и .
Sandra 20/20 permítelle probar as posibilidades de usar vGPU para cálculos científicos con gran precisión: multiplicación matricial, transformada de Fourier rápida, etc. Resultados detallados para , GPUcloud ( и ), и .
Finalmente, realizouse unha proba das capacidades de procesamento de imaxes da vGPU. Resultados detallados para , GPUcloud ( и ), и .
Descubrimentos
O servidor virtual GPUcloud mostrou excelentes resultados nas probas GeekBench 5 e FAHBench, pero non superou o nivel xeral nas probas de referencia de Sandra. Custa moito máis que os servizos dos competidores, pero ten unha cantidade significativamente maior de memoria de vídeo e admite CUDA. Nas probas de Sandra, o VPS de 1Gb.ru foi o líder cunha alta precisión de cálculo, pero tampouco é barato e ten un desempeño medio noutras probas. UltraVDS resultou ser un estraño obvio: non sei se hai conexión aquí, pero só este host ofrece aos clientes tarxetas de vídeo AMD. En termos de relación prezo/rendemento, o servidor RuVDS pareceume o mellor. Custa menos de 2000 rublos ao mes e as probas pasaron bastante ben. A clasificación final queda así:
Lugar
Anfitrión
Soporte OpenCL
Soporte CUDA
Alto rendemento segundo GeekBench 5
Alto rendemento segundo FAHBench
Alto rendemento segundo Sandra 20/20
Prezo baixo
I
RuVDS
+
-
+
+
+
+
II
1 Gb.ru
+
-
+
+
+
+
III
GPUcloud
+
+
+
+
+
-
IV
UltraVDS
+
-
-
-
-
+
Tiven algunhas dúbidas sobre o gañador, pero a revisión está dedicada ao orzamento VPS con vGPU, e a máquina virtual RuVDS custa case a metade que o seu competidor máis próximo e máis de catro veces que a oferta máis cara revisada. O segundo e o terceiro lugar tampouco foron fáciles de dividir, pero tamén aquí o prezo superou outros factores.
Como resultado das probas, resultou que as vGPU de nivel de entrada non son tan caras e xa se poden usar para resolver problemas informáticos. Por suposto, usando probas sintéticas é difícil predecir como se comportará unha máquina baixo carga real e, ademais, a capacidade de asignar recursos depende directamente dos seus veciños do host físico. Se atopas outros VPS económicos con vGPU na Internet rusa, non dubides en escribir sobre eles nos comentarios.
Fonte: www.habr.com