Π
Untuk menggunakan adaptor video fisik di lingkungan virtual, kami memilih teknologi RemoteFX vGPU, yang didukung oleh hypervisor Microsoft. Dalam hal ini, host harus memiliki prosesor yang mendukung SLAT (EPT dari Intel atau NPT/RVI dari AMD), serta kartu video yang memenuhi persyaratan pembuat Hyper-V. Anda tidak boleh membandingkan solusi ini dengan adaptor desktop di mesin fisik, yang biasanya menunjukkan kinerja lebih baik saat bekerja dengan grafik. Dalam pengujian kami, vGPU akan bersaing dengan prosesor pusat server virtual - cukup logis untuk tugas komputasi. Perhatikan juga bahwa selain RemoteFX, ada teknologi serupa lainnya, misalnya NVIDIA Virtual GPU - yang memungkinkan Anda mentransfer perintah grafis dari setiap mesin virtual langsung ke adaptor tanpa menerjemahkannya ke hypervisor.
Uji
Pengujian menggunakan mesin dengan 4 inti komputasi pada 3,4 GHz, RAM 16 GB, solid-state drive (SSD) 100 GB, dan adaptor video virtual dengan memori video 512 MB. Server fisik dilengkapi dengan kartu video NVIDIA Quadro P4000 profesional, dan sistem tamu menjalankan Windows Server 2016 Standard (64-bit) dengan driver video standar Microsoft Remote FX.
βGeekBench 5
Sbg permulaan
Kami menggunakan tolok ukur ini di artikel sebelumnya dan ini hanya mengkonfirmasi hal yang sudah jelas - vGPU kami lebih lemah dibandingkan kartu video desktop berperforma tinggi untuk menyelesaikan tugas "grafis" yang umum.
βPenampil Batas GPU 1.43.0.0
Dibuat oleh perusahaan
βFAHBench 2.3.1
Performa komputasi pada vGPU menggunakan OpenCL, diukur menggunakan FAHBench, ternyata sekitar 6 kali (untuk metode pemodelan implisit - sekitar 10 kali) lebih tinggi dibandingkan indikator serupa untuk prosesor pusat yang cukup kuat.
Di bawah ini kami sajikan hasil perhitungan dengan presisi ganda.
βSiSoftware Sandra 20/20
Paket universal lainnya untuk mendiagnosis dan menguji komputer. Ini memungkinkan Anda mempelajari konfigurasi perangkat keras dan perangkat lunak server secara detail dan berisi sejumlah besar tolok ukur yang berbeda. Selain komputasi CPU, Sandra 20/20 mendukung OpenCL, DirectCompute, dan CUDA. Kami terutama tertarik pada yang disertakan dalam versi gratis
Sandra 20/20 memiliki serangkaian benchmark CPU yang serupa. Mari kita luncurkan ke
Keunggulan adaptor video terlihat jelas, tetapi pengaturan paket pengujian secara keseluruhan tidak sepenuhnya sama, dan hasilnya Anda tidak dapat melihat indikator dengan tingkat detail yang diperlukan. Kami memutuskan untuk melakukan beberapa tes terpisah. Pertama
Mari beralih dari pengujian sintetik ke hal-hal praktis. Tes kriptografi membantu kami menentukan kecepatan pengkodean dan penguraian kode data. Berikut perbandingan hasil untuk
Area penerapan vGPU lainnya adalah analisis keuangan. Perhitungan seperti itu mudah untuk diparalelkan, tetapi untuk melaksanakannya Anda memerlukan adaptor video yang mendukung perhitungan presisi ganda. Dan sekali lagi, hasilnya membuktikan sendiri: cukup ampuh
Tes terakhir yang kami lakukan adalah perhitungan ilmiah dengan akurasi tinggi.
Temuan
vGPU tidak cocok untuk menjalankan editor grafis, serta aplikasi rendering 3D dan pemrosesan video. Adaptor untuk sistem desktop menangani grafik jauh lebih baik, tetapi adaptor virtual dapat melakukan perhitungan paralel lebih cepat daripada CPU. Untuk ini kita harus berterima kasih kepada RAM yang produktif dan jumlah modul aritmatika-logis yang lebih banyak. Pengumpulan dan pemrosesan data dari berbagai sensor, penghitungan analitis untuk aplikasi bisnis, penghitungan ilmiah dan teknik, analisis dan pengisian lalu lintas, bekerja dengan sistem perdagangan - ada banyak tugas komputasi yang memerlukan GPU. Tentu saja, Anda dapat merakit server seperti itu di rumah atau di kantor, tetapi Anda harus membayar sejumlah uang untuk pembelian perangkat keras dan perangkat lunak berlisensi. Selain biaya modal, ada juga biaya operasional untuk pemeliharaan, termasuk tagihan listrik. Ada penyusutan - peralatan menjadi usang seiring berjalannya waktu, dan menjadi lebih cepat usang. Server virtual tidak memiliki kelemahan ini: mereka dapat dibuat sesuai kebutuhan dan dihapus ketika kebutuhan akan daya komputasi hilang. Membayar sumber daya hanya saat Anda membutuhkannya selalu menguntungkan.
Sumber: www.habr.com