Uważa się, że serwery wirtualne z vGPU są drogie. W krótkiej recenzji postaram się obalić tę tezę.
Wyszukiwanie w Internecie natychmiast ujawnia możliwość wypożyczenia superkomputerów z NVIDIA Tesla V100 lub prostszymi serwerami z wydajnymi dedykowanymi procesorami graficznymi. Podobne usługi są dostępne np. , lub . Ich miesięczny koszt mierzony jest w dziesiątkach tysięcy rubli, a ja chciałem znaleźć tańsze opcje dla aplikacji OpenCL i/lub CUDA. Na rynku rosyjskim nie ma wielu budżetowych VPSów z kartami wideo, w krótkim artykule porównam ich możliwości obliczeniowe za pomocą testów syntetycznych.
Uczestnicy
Hostingowe serwery wirtualne znalazły się na liście kandydatów do udziału w przeglądzie. , , , и . Nie było szczególnych problemów z uzyskaniem dostępu, ponieważ prawie wszyscy dostawcy mają bezpłatny okres próbny. UltraVDS oficjalnie nie ma darmowego testu, ale nie było trudno dojść do porozumienia: po zapoznaniu się z publikacją obsługa wsparcia przelała mi kwotę potrzebną na zamówienie VPS na moje konto bonusowe. Na tym etapie z wyścigu wypadły maszyny wirtualne VDS4YOU, gdyż do darmowych testów hoster wymaga dostarczenia skanu dowodu osobistego. Rozumiem, że musisz chronić się przed nadużyciami, ale w celu weryfikacji danych paszportowych lub na przykład połączenia konta w sieci społecznościowej - jest to wymagane przez 1Gb.ru.
Konfiguracje i ceny
Do testów wzięliśmy maszyny średniej klasy kosztujące niecałe 10 tysięcy rubli miesięcznie: 2 rdzenie obliczeniowe, 4 GB RAM, 20 - 50 GB SSD, vGPU z 256 MB VRAM i Windows Server 2016. Przed oceną wydajności VDS, spójrzmy na ich podsystemy graficzne z uzbrojonym spojrzeniem. Stworzony przez firmę użyteczność pozwala uzyskać szczegółowe informacje na temat rozwiązań sprzętowych i programowych wykorzystywanych przez hosterów. Za jego pomocą można sprawdzić np. wersję sterownika wideo, ilość dostępnej pamięci wideo, a także dane dotyczące obsługi OpenCL i CUDA.
1Gb.ru
Chmura GPU
RuVDS
UltraVDS
иртуализация
Hyper-V
OpenStack
Hyper-V
Hyper-V
Rdzenie obliczeniowe
2*2,6 GHz
2*2,8 GHz
2*3,4 GHz
2*2,2 GHz
RAM, GB
4
4
4
4
Przechowywanie, GB
30 (SSD)
50 (SSD)
20 (SSD)
30 (SSD)
vGPU
RemoteFX
NVIDIA GRID
RemoteFX
RemoteFX
Adapter wideo
NVIDIA GeForce GTX Ti 1080
NVIDIA Tesla T4
NVIDIA Quadro P4000
AMD FirePro W4300
pamięć RAM, MB
256
4063
256
256
Obsługa OpenCL
+
+
+
+
Obsługa CUDA
-
+
-
-
Cena za miesiąc (jeśli jest płacona rocznie), rub.
3494 (3015)
7923,60
1904 (1333)
1930 (1351)
Płatność za zasoby, rub
nie
Procesor = 0,42 rub/godz.,
RAM = 0,24 rub./godz.,
SSD = 0,0087 rub/godz.,
OS Windows = 1,62 rubli/godzinę,
IPv4 = 0,15 rubla/godz.,
vGPU (T4/4Gb) = 7 rubli/godz.
od 623,28 + 30 za instalację
nie
Okres testowy
Dni 10
7 dni lub więcej zgodnie z umową
3 dni z miesięcznym rozliczeniem
nie
Spośród recenzowanych dostawców tylko GPUcloud korzysta z wirtualizacji OpenStack i technologii NVIDIA GRID. Ze względu na dużą ilość pamięci wideo (dostępne są profile 4, 8 i 16 GB) usługa jest droższa, ale na kliencie będą uruchamiane aplikacje OpenCL i CUDA. Pozostali rywale oferują procesory vGPU z mniejszą ilością pamięci VRAM, utworzone przy użyciu Microsoft RemoteFX. Kosztują znacznie mniej, ale obsługują tylko OpenCL.
Test wydajności
GeekBench 5
Z tym popularnym Możesz mierzyć wydajność grafiki dla aplikacji OpenCL i CUDA. Poniższy wykres przedstawia podsumowanie wyników wraz z bardziej szczegółowymi danymi dla serwerów wirtualnych , Chmura GPU ( и ), и dostępne na stronie internetowej twórcy testu porównawczego. Otwarcie ich ujawnia ciekawy fakt: GeekBench pokazuje ilość VRAM-u znacznie większą niż zamówione 256 MB. Częstotliwość zegara procesorów centralnych może być również wyższa niż podana. Jest to częste zjawisko w środowiskach wirtualnych - wiele zależy od obciążenia fizycznego hosta, na którym działa VPS.
Współdzielone „serwerowe” procesory vGPU są słabsze niż wysokowydajne „stacjonarne” karty wideo, jeśli są używane w wymagających aplikacjach graficznych. Rozwiązania tego typu przeznaczone są głównie do zadań obliczeniowych. Przeprowadzono inne testy syntetyczne w celu oceny ich działania.
FAHBench 2.3.1
Do kompleksowej analizy możliwości obliczeniowych vGPU nie jest odpowiedni, ale można go wykorzystać do porównania wydajności kart wideo z różnych VPS w złożonych obliczeniach przy użyciu OpenCL. Projekt przetwarzania rozproszonego rozwiązuje wąski problem komputerowego modelowania fałdowania cząsteczek białka. Naukowcy próbują zrozumieć przyczyny patologii związanych z wadliwymi białkami: choroby Alzheimera i Parkinsona, choroba szalonych krów, stwardnienie rozsiane itp. Zmierzone przy użyciu narzędzia, które stworzyli Na wykresie przedstawiono wydajność pojedynczej i podwójnej precyzji. Niestety narzędzie wygenerowało błąd na maszynie wirtualnej UltraVDS.
Następnie porównam wyniki obliczeń dla metody modelowania dhfr-implicit.
SiSoftware Sandra 20/20
Pakiet Doskonały do oceny możliwości obliczeniowych wirtualnych kart wideo różnych dostawców usług hostingowych. Narzędzie zawiera zestawy testów porównawczych obliczeń ogólnego przeznaczenia (GPGPU) i obsługuje OpenCL, DirectCompute i CUDA. Na początek dokonano ogólnej oceny różnych vGPU. Diagram przedstawia wynik podsumowania, bardziej szczegółowe dane dla serwerów wirtualnych , Chmura GPU () I dostępne na stronie internetowej twórcy testu porównawczego.
Były też problemy z „długim” testem Sandry. W przypadku dostawcy VPS, GPUcloud, nie było możliwe przeprowadzenie ogólnej oceny przy użyciu OpenCL. Po wybraniu odpowiedniej opcji narzędzie nadal działało poprzez CUDA. Maszyna UltraVDS również nie przeszła tego testu: test porównawczy zamarł na poziomie 86% podczas próby określenia opóźnienia pamięci.
W ogólnym pakiecie testowym nie można zobaczyć wskaźników o wystarczającym stopniu szczegółowości ani wykonać obliczeń z dużą dokładnością. Musieliśmy przeprowadzić kilka oddzielnych testów, zaczynając od określenia szczytowej wydajności karty wideo za pomocą zestawu prostych obliczeń matematycznych przy użyciu OpenCL i (jeśli to możliwe) CUDA. To pokazuje również tylko ogólny wskaźnik i szczegółowe wyniki dla VPS z , Chmura GPU ( и ), и dostępne na stronie internetowej.
Aby porównać prędkość kodowania i dekodowania danych, Sandra posiada zestaw testów kryptograficznych. Szczegółowe wyniki dla , Chmura GPU ( и ), и .
Równoległe obliczenia finansowe wymagają pomocniczego obliczenia adaptera o podwójnej precyzji. To kolejny ważny obszar zastosowań vGPU. Szczegółowe wyniki dla , Chmura GPU ( и ), и .
Sandra 20/20 pozwala przetestować możliwości wykorzystania vGPU do obliczeń naukowych z dużą dokładnością: mnożenie macierzy, szybka transformata Fouriera itp. Szczegółowe wyniki dla , Chmura GPU ( и ), и .
Na koniec przeprowadzono test możliwości przetwarzania obrazu vGPU. Szczegółowe wyniki dla , Chmura GPU ( и ), и .
odkrycia
Wirtualny serwer GPUcloud pokazał doskonałe wyniki w testach GeekBench 5 i FAHBench, ale nie wyrósł ponad ogólny poziom w testach benchmarkowych Sandra. Kosztuje znacznie więcej niż usługi konkurencji, ale ma znacznie większą ilość pamięci wideo i obsługuje CUDA. W testach Sandry liderem pod względem wysokiej dokładności obliczeń był VPS od 1Gb.ru, ale też nie jest tani i wypada przeciętnie w pozostałych testach. UltraVDS okazał się oczywistym outsiderem: nie wiem, czy jest tu połączenie, ale tylko ten hoster oferuje klientom karty graficzne AMD. Pod względem stosunku ceny do wydajności serwer RuVDS wydał mi się najlepszy. Kosztuje niecałe 2000 rubli miesięcznie, a testy wypadły całkiem nieźle. Klasyfikacja końcowa wygląda następująco:
Miejsce
Hoster
Obsługa OpenCL
Obsługa CUDA
Wysoka wydajność według GeekBench 5
Wysoka wydajność według FAHBench
Wysoka wydajność według Sandry 20/20
Niska cena
I
RuVDS
+
-
+
+
+
+
II
1Gb.ru
+
-
+
+
+
+
III
Chmura GPU
+
+
+
+
+
-
IV
UltraVDS
+
-
-
-
-
+
Miałem pewne wątpliwości co do zwycięzcy, ale recenzja poświęcona jest budżetowemu VPSowi z vGPU, a maszyna wirtualna RuVDS kosztuje prawie o połowę mniej niż jej najbliższy konkurent i ponad czterokrotnie więcej niż najdroższa recenzowana oferta. Drugie i trzecie miejsce również nie było łatwe do podziału, ale i tutaj cena przeważyła nad innymi czynnikami.
W wyniku testów okazało się, że podstawowe vGPU nie są aż tak drogie i można je już wykorzystać do rozwiązywania problemów obliczeniowych. Oczywiście za pomocą testów syntetycznych trudno przewidzieć jak maszyna będzie się zachowywać pod rzeczywistym obciążeniem, a poza tym możliwość alokacji zasobów zależy bezpośrednio od jej sąsiadów na hoście fizycznym - weź to pod uwagę. Jeśli w rosyjskim Internecie znajdziesz inny budżetowy VPS z vGPU, nie wahaj się napisać o nich w komentarzach.
Źródło: www.habr.com