В artigo cando falamos do noso novo servizo cunha tarxeta de vídeo, non tocamos algúns aspectos interesantes do uso de servidores virtuais con adaptadores de vídeo. É hora de engadir máis probas.
Para usar adaptadores de vídeo físicos en ambientes virtuais, escollemos a tecnoloxía RemoteFX vGPU, que é compatible co hipervisor de Microsoft. Neste caso, o host debe ter procesadores compatibles con SLAT (EPT de Intel ou NPT/RVI de AMD), así como tarxetas de vídeo que cumpran os requisitos dos creadores de Hyper-V. En ningún caso se debe comparar esta solución con adaptadores de escritorio en máquinas físicas, que adoitan mostrar un mellor rendemento cando se traballa con gráficos. Nas nosas probas, a vGPU competirá co procesador central do servidor virtual, bastante lóxico para tarefas informáticas. Teña en conta tamén que, ademais de RemoteFX, hai outras tecnoloxías similares, por exemplo NVIDIA Virtual GPU: permítelle transferir comandos gráficos de cada máquina virtual directamente ao adaptador sen traducilos ao hipervisor.
Probas
As probas utilizaron unha máquina con 4 núcleos de computación a 3,4 GHz, 16 GB de RAM, unha unidade de estado sólido (SSD) de 100 GB e un adaptador de vídeo virtual con 512 MB de memoria de vídeo. O servidor físico está equipado con tarxetas de vídeo NVIDIA Quadro P4000 profesionais e o sistema convidado executa Windows Server 2016 Standard (64 bits) co controlador de vídeo Microsoft Remote FX estándar.
▍GeekBench 5
Para comezar versión actual da utilidade , que permite medir o rendemento do sistema para as aplicacións OpenCL.
Usamos este punto de referencia no artigo anterior e só confirmou o obvio: a nosa vGPU é máis débil que as tarxetas de vídeo de escritorio de alto rendemento para resolver tarefas típicas de "gráficos".
▍GPU Caps Viewer 1.43.0.0
Creado pola empresa Non se pode chamar a utilidade un punto de referencia. Non contén probas de rendemento, pero permite obter información sobre as solucións de hardware e software utilizadas. Aquí podes ver que a nosa máquina virtual vGPU só admite OpenCL 1.1 e non é compatible con CUDA, a pesar do adaptador de vídeo NVIDIA Quadro P4000 instalado no servidor físico.
▍FAHBench 2.3.1
do proxecto de computación distribuída dedícase a resolver un problema altamente especializado de modelización informática do pregamento de moléculas de proteínas. Isto é necesario para estudar as causas das patoloxías asociadas a proteínas defectuosas: enfermidades de Alzheimer e Parkinson, enfermidade das vacas tolas, esclerose múltiple, etc. Utilidade non pode avaliar exhaustivamente a potencia de cálculo dun adaptador de vídeo virtual, pero permítelle comparar o rendemento da CPU e da vGPU en cálculos complexos.
O rendemento da computación en vGPU mediante OpenCL, medido mediante FAHBench, resultou ser aproximadamente 6 veces (para o método de modelado implícito - aproximadamente 10 veces) superior a indicadores similares para un procesador central suficientemente potente.
A continuación presentamos os resultados dos cálculos con dobre precisión.
▍SiSoftware Sandra 20/20
Outro paquete universal para diagnosticar e probar ordenadores. Permite estudar a configuración de hardware e software do servidor en detalle e contén un gran número de puntos de referencia diferentes. Ademais da computación con CPU, Sandra 20/20 admite OpenCL, DirectCompute e CUDA. Interésanos principalmente os incluídos na versión gratuíta suites de referencia de computación de propósito xeral (GPGPU) usando aceleradores de hardware.
bastante bos, aínda que son lixeiramente inferiores ao esperado para o adaptador de vídeo NVIDIA Quadro P4000. É probable que a sobrecarga da virtualización teña un impacto.
Sandra 20/20 ten un conxunto similar de referencias de CPU. Imos lanzalos a con computación vGPU.
As vantaxes do adaptador de vídeo son claramente visibles, pero a configuración do paquete de proba global non é completamente idéntica e nos resultados non se poden ver indicadores co grao de detalle necesario. Decidimos realizar varias probas separadas. Primeiro Máximo rendemento da vGPU mediante un conxunto de cálculos matemáticos sinxelos mediante OpenCL. esencialmente similar á proba multimedia (non aritmética!) de Sandra para a CPU. Para comparar, coloquemos o mesmo diagrama Proba multimedia CPU VPS. Incluso unha CPU con catro núcleos de procesamento é notablemente inferior á vGPU.
Pasemos das probas sintéticas ás cousas prácticas. As probas criptográficas axudáronnos a determinar a velocidade de codificación e decodificación de datos. Aquí tes unha comparación de resultados para и tamén mostrou unha clara vantaxe do acelerador.
Outra área de aplicación para vGPU é a análise financeira. Estes cálculos son fáciles de paralelizar, pero para realizalos necesitarás un adaptador de vídeo que admita cálculos de dobre precisión. E de novo os resultados falan por si sós: bastante potentes perde rotundamente .
A última proba que realizamos foron cálculos científicos con gran precisión. volveu facer mellor con multiplicación matricial, transformada de Fourier rápida e outros problemas similares.
Descubrimentos
As vGPU non son moi adecuadas para executar editores de gráficos, así como para as aplicacións de procesamento de vídeo e renderizado 3D. Os adaptadores para sistemas de escritorio manexan moito mellor os gráficos, pero o virtual pode realizar cálculos paralelos máis rápido que a CPU. Por iso hai que agradecer a RAM produtiva e un maior número de módulos aritmético-lóxicos. Recollida e procesamento de datos de varios sensores, cálculos analíticos para aplicacións empresariais, cálculos científicos e de enxeñaría, análise e carga de tráfico, traballo con sistemas de negociación: hai moitas tarefas informáticas para as que as GPU son indispensables. Por suposto, podes montar un servidor deste tipo na casa ou na oficina, pero terás que pagar unha boa cantidade pola compra de hardware e software con licenza. Ademais dos custos de capital, tamén hai custos operativos para o mantemento, incluíndo as facturas da luz. Hai depreciación: o equipo desgasta co paso do tempo e queda obsoleto aínda máis rápido. Os servidores virtuais non presentan estas desvantaxes: pódense crear segundo sexa necesario e eliminarse cando desapareza a necesidade de potencia informática. Pagar por recursos só cando os necesites sempre é rendible.
Fonte: www.habr.com