В cikket, amikor új szolgáltatásunkról beszéltünk videokártyával nem érintettük a virtuális szerverek videóadapterekkel való használatának néhány érdekességét. Itt az ideje, hogy további teszteket adjunk hozzá.
A fizikai videoadapterek virtuális környezetben való használatához a RemoteFX vGPU technológiát választottuk, amelyet a Microsoft hypervisor támogat. Ebben az esetben a gazdagépnek olyan processzorokkal kell rendelkeznie, amelyek támogatják a SLAT-t (EPT az Inteltől vagy NPT/RVI az AMD-től), valamint olyan videokártyákkal, amelyek megfelelnek a Hyper-V alkotóinak követelményeinek. Semmi esetre se hasonlítsa össze ezt a megoldást a fizikai gépek asztali adaptereivel, amelyek általában jobb teljesítményt mutatnak a grafikus munka során. Tesztünkben a vGPU felveszi a versenyt a virtuális szerver központi processzorával – ez teljesen logikus a számítási feladatokhoz. Vegye figyelembe azt is, hogy a RemoteFX mellett más hasonló technológiák is léteznek, például az NVIDIA Virtual GPU - lehetővé teszi a grafikus parancsok átvitelét minden virtuális gépről közvetlenül az adapterre anélkül, hogy azokat a hypervisorra fordítaná.
Tesztek
A tesztek során egy gépet használtak 4 3,4 GHz-es számítási maggal, 16 GB RAM-mal, 100 GB-os szilárdtestalapú meghajtóval (SSD) és egy virtuális videoadapterrel 512 MB videomemóriával. A fizikai szerver professzionális NVIDIA Quadro P4000 videokártyákkal van felszerelve, a vendégrendszeren pedig a Windows Server 2016 Standard (64 bites) fut a szabványos Microsoft Remote FX videomeghajtóval.
▍GeekBench 5
Már a kezdet kezdetén a segédprogram aktuális verziója , amely lehetővé teszi az OpenCL-alkalmazások rendszerteljesítményének mérését.
Az előző cikkben ezt a benchmarkot használtuk, és ez csak megerősítette a nyilvánvalót - a vGPU-nk gyengébb, mint a nagy teljesítményű asztali videokártyák a tipikus „grafikai” feladatok megoldására.
▍GPU Caps Viewer 1.43.0.0
A cég készítette A segédprogram nem nevezhető benchmarknak. Nem tartalmaz teljesítményteszteket, de lehetővé teszi, hogy információkat szerezzen a használt hardver- és szoftvermegoldásokról. Itt látható, hogy a vGPU virtuális gépünk csak az OpenCL 1.1-et támogatja, a CUDA-t pedig nem, annak ellenére, hogy a fizikai szerverre telepített NVIDIA Quadro P4000 videoadapter.
▍FAHBench 2.3.1
az elosztott számítástechnikai projektből a fehérjemolekulák hajtogatásának számítógépes modellezésének egy rendkívül speciális problémájának megoldására irányul. Ez szükséges a hibás fehérjékkel kapcsolatos patológiák okainak tanulmányozásához - Alzheimer- és Parkinson-kór, kergemarha-kór, sclerosis multiplex stb. Hasznosság nem tudja átfogóan értékelni a virtuális videoadapter számítási teljesítményét, de lehetővé teszi a CPU és a vGPU teljesítményének összehasonlítását összetett számításokban.
Az OpenCL-t használó vGPU-k számítási teljesítménye, a FAHBench segítségével mérve, körülbelül hatszor (az implicit modellezési módszernél - körülbelül 6-szer) magasabbnak bizonyult, mint egy kellően erős központi processzor hasonló mutatói.
Az alábbiakban a számítások eredményeit mutatjuk be dupla pontossággal.
▍SiSoftware Sandra 20/20
Egy másik univerzális csomag a számítógépek diagnosztizálására és tesztelésére. Lehetővé teszi a szerver hardver- és szoftverkonfigurációjának részletes tanulmányozását, és rengeteg különböző benchmarkot tartalmaz. A CPU-számításon kívül a Sandra 20/20 támogatja az OpenCL-t, a DirectCompute-ot és a CUDA-t. Elsősorban az ingyenes verzióban szereplőkre vagyunk kíváncsiak általános célú számítástechnikai benchmark csomagok (GPGPU) hardveres gyorsítókkal.
elég jó, bár valamivel alacsonyabbak az NVIDIA Quadro P4000 videoadapterre vártnál. Valószínűleg a virtualizáció általános költségeinek lesz hatása.
A Sandra 20/20 hasonló CPU-referenciakészlettel rendelkezik. Indítsuk el őket vGPU számítástechnikával.
A videoadapter előnyei jól láthatóak, de a teljes tesztcsomag beállításai nem teljesen azonosak, és az eredményekben nem láthatók a szükséges részletességű mutatók. Úgy döntöttünk, hogy több különálló tesztet is elvégzünk. Először A vGPU csúcsteljesítménye egyszerű matematikai számítások sorozatával az OpenCL használatával. lényegében hasonló Sandra multimédiás (nem aritmetikai!) CPU-tesztjéhez. Összehasonlításképpen helyezzünk el ugyanarra a diagramra VPS CPU multimédiás teszt. Még a négy processzormaggal rendelkező CPU is észrevehetően gyengébb a vGPU-nál.
Térjünk át a szintetikus tesztekről a gyakorlati dolgokra. A kriptográfiai tesztek segítettek meghatározni az adatkódolás és dekódolás sebességét. Íme a következőhöz tartozó eredmények összehasonlítása и a gázpedál egyértelmű előnyét is megmutatta.
A vGPU másik alkalmazási területe a pénzügyi elemzés. Az ilyen számításokat könnyű párhuzamosítani, de végrehajtásukhoz szükség lesz egy videoadapterre, amely támogatja a kettős pontosságú számításokat. És ismét az eredmények magukért beszélnek: elég erős végképp veszít .
Az utolsó teszt, amit elvégeztünk, nagy pontosságú tudományos számítások voltak. megint jobban sikerült mátrixszorzással, gyors Fourier transzformációval és más hasonló problémákkal.
Álláspontja
A vGPU-k nem alkalmasak grafikus szerkesztők, valamint 3D renderelő és videófeldolgozó alkalmazások futtatására. Az asztali rendszerekhez való adapterek sokkal jobban bírják a grafikát, de a virtuális gyorsabban tud párhuzamos számításokat végezni, mint a CPU. Ezt a produktív RAM-nak és a nagyobb számú aritmetikai-logikai modulnak kell köszönnünk. Adatok gyűjtése és feldolgozása különböző érzékelőkről, analitikai számítások üzleti alkalmazásokhoz, tudományos és mérnöki számítások, forgalomelemzés és terhelés, munkavégzés kereskedelmi rendszerekkel - rengeteg olyan számítási feladat van, amelyhez a GPU nélkülözhetetlen. Természetesen összeállíthat egy ilyen szervert otthon vagy az irodában, de a hardver és a licencelt szoftver vásárlásáért egy kis összeget kell fizetnie. A tőkeköltségeken kívül a karbantartási költségek is felmerülnek, beleértve a villanyszámlát is. Van értékcsökkenés - a berendezések idővel elhasználódnak, és még gyorsabban elavulnak. A virtuális szerverek nem rendelkeznek ezekkel a hátrányokkal: szükség szerint létrehozhatók, és törölhetők, ha a számítási teljesítmény igénye megszűnik. Mindig nyereséges, ha csak akkor fizet az erőforrásokért, amikor szüksége van rájuk.
Forrás: will.com