В grein þegar við ræddum nýju þjónustuna okkar með skjákorti snertum við ekki áhugaverða þætti þess að nota sýndarþjóna með myndbreytum. Það er kominn tími til að bæta við fleiri prófunum.
Til að nota líkamleg myndbreyti í sýndarumhverfi völdum við RemoteFX vGPU tækni, sem er studd af Microsoft hypervisor. Í þessu tilviki verður gestgjafinn að hafa örgjörva sem styðja SLAT (EPT frá Intel eða NPT/RVI frá AMD), sem og skjákort sem uppfylla kröfur höfunda Hyper-V. Í engu tilviki ættir þú að bera þessa lausn saman við skjáborðsmillistykki í líkamlegum vélum, sem venjulega sýna betri afköst þegar unnið er með grafík. Í prófunum okkar mun vGPU keppa við miðlæga örgjörva sýndarþjónsins - alveg rökrétt fyrir tölvuverkefni. Athugaðu líka að til viðbótar við RemoteFX er önnur svipuð tækni, til dæmis NVIDIA Virtual GPU - það gerir þér kleift að flytja grafíkskipanir frá hverri sýndarvél beint á millistykkið án þess að þýða þær yfir á hypervisor.
Próf
Í prófunum var notast við vél með 4 tölvukjarna á 3,4 GHz, 16 GB af vinnsluminni, 100 GB solid-state drif (SSD) og sýndarmyndbreyti með 512 MB af myndminni. Líkamlegi netþjónninn er búinn faglegum NVIDIA Quadro P4000 skjákortum og gestakerfið keyrir Windows Server 2016 Standard (64-bita) með venjulegum Microsoft Remote FX myndrekla.
▍GeekBench 5
Til að byrja núverandi útgáfu af tólinu , sem gerir þér kleift að mæla afköst kerfisins fyrir OpenCL forrit.
Við notuðum þetta viðmið í fyrri grein og það staðfesti aðeins hið augljósa - vGPU okkar er veikari en afkastamikil skjáborðsskjákort til að leysa dæmigerð „grafík“ verkefni.
▍GPU Caps Viewer 1.43.0.0
Búið til af fyrirtækinu Ekki er hægt að kalla tólið viðmið. Það inniheldur ekki árangurspróf, en gerir þér kleift að fá upplýsingar um vél- og hugbúnaðarlausnir sem notaðar eru. Hér geturðu séð að vGPU sýndarvélin okkar styður aðeins OpenCL 1.1 og styður ekki CUDA, þrátt fyrir að NVIDIA Quadro P4000 myndbreytirinn sé settur upp á líkamlega netþjóninum.
▍FAHBench 2.3.1
frá dreifða tölvuverkefninu er tileinkað því að leysa mjög sérhæft vandamál við tölvulíkanagerð á samanbroti próteinsameinda. Þetta er nauðsynlegt til að kanna orsakir meinafræði sem tengjast gölluðum próteinum - Alzheimer og Parkinsons sjúkdómum, kúabrjálaður sjúkdómur, mænusigg o.fl. Gagnsemi getur ekki metið ítarlega tölvugetu sýndarmyndbands, en gerir þér kleift að bera saman frammistöðu CPU og vGPU í flóknum útreikningum.
Frammistaða tölvuvinnslu á vGPU með OpenCL, mæld með FAHBench, reyndist vera um það bil 6 sinnum (fyrir óbeina líkanaaðferðina - um það bil 10 sinnum) hærri en svipaðar vísbendingar fyrir nægilega öflugan miðlægan örgjörva.
Hér að neðan kynnum við niðurstöður útreikninga með tvöfaldri nákvæmni.
▍SiSoftware Sandra 20/20
Annar alhliða pakki til að greina og prófa tölvur. Það gerir þér kleift að rannsaka vélbúnaðar- og hugbúnaðarstillingar netþjónsins í smáatriðum og inniheldur gríðarlegan fjölda mismunandi viðmiða. Auk CPU tölvunar styður Sandra 20/20 OpenCL, DirectCompute og CUDA. Við höfum fyrst og fremst áhuga á þeim sem eru í ókeypis útgáfunni almennar tölvuviðmiðunarsvítur (GPGPU) með vélbúnaðarhröðlum.
nokkuð góðir, þó þeir séu aðeins lægri en búist var við fyrir NVIDIA Quadro P4000 myndbreyti. Yfirverð sýndarvæðingar mun líklega hafa áhrif.
Sandra 20/20 er með svipað sett af CPU viðmiðum. Við skulum ræsa þá til með vGPU tölvum.
Kostir myndbreytisins eru greinilega sýnilegir, en stillingar heildarprófunarpakkans eru ekki alveg eins og í niðurstöðunum er ekki hægt að sjá vísbendingar með nauðsynlegum smáatriðum. Við ákváðum að gera nokkrar aðskildar prófanir. Í fyrstu Hámarks afköst vGPU með því að nota sett af einföldum stærðfræðiútreikningum með OpenCL. í meginatriðum svipað margmiðlunarprófi Söndru (ekki reikningur!) fyrir CPU. Til samanburðar skulum við setja á sömu skýringarmynd VPS CPU margmiðlunarpróf. Jafnvel örgjörvi með fjórum vinnslukjarna er áberandi lakari en vGPU.
Höldum áfram frá gerviprófum yfir í hagnýta hluti. Dulmálspróf hjálpuðu okkur að ákvarða hraða gagnakóðun og umskráningu. Hér er samanburður á niðurstöðum fyrir и sýndi einnig skýran kost á inngjöfinni.
Annað notkunarsvið fyrir vGPU er fjármálagreining. Slíka útreikninga er auðvelt að samsíða, en til að framkvæma þá þarftu myndbreyti sem styður tvínákvæma útreikninga. Og enn og aftur tala niðurstöðurnar sínu máli: frekar öflugar tapar beinlínis .
Síðasta prófið sem við gerðum voru vísindalegir útreikningar með mikilli nákvæmni. gerði betur aftur með fylkisföldun, hröðum Fourier-umbreytingum og öðrum svipuðum vandamálum.
Niðurstöður
vGPUs henta ekki vel til að keyra grafíska ritstjóra, sem og 3D flutnings- og myndbandsvinnsluforrit. Millistykki fyrir skrifborðskerfi ráða við grafík miklu betur, en sýndarbúnaðurinn getur framkvæmt samhliða útreikninga hraðar en örgjörvinn. Fyrir þetta verðum við að þakka afkastamikið vinnsluminni og stærri fjölda reiknings-rökfræðilegra eininga. Söfnun og úrvinnsla gagna frá ýmsum skynjurum, greiningarútreikningar fyrir viðskiptaforrit, vísinda- og verkfræðiútreikninga, umferðargreiningu og hleðslu, vinna með viðskiptakerfi - það er mikið af tölvuverkefnum sem GPU eru ómissandi fyrir. Auðvitað er hægt að setja saman slíkan netþjón heima eða á skrifstofunni, en þú þarft að borga dágóða upphæð fyrir kaup á vélbúnaði og leyfilegum hugbúnaði. Auk stofnkostnaðar kemur einnig rekstrarkostnaður vegna viðhalds, þar á meðal rafmagnsreikningar. Það eru afskriftir - tæki slitna með tímanum og úreldast enn hraðar. Sýndarþjónar hafa ekki þessa ókosti: Hægt er að búa til þá eftir þörfum og eyða þeim þegar þörfin fyrir tölvuafl hverfur. Það er alltaf arðbært að borga fyrir auðlindir aðeins þegar þú þarft á þeim að halda.
Heimild: www.habr.com