В artigo quando falamos sobre nosso novo serviço com uma placa de vídeo, não abordamos alguns aspectos interessantes do uso de servidores virtuais com adaptadores de vídeo. É hora de adicionar mais testes.
Para usar adaptadores de vídeo físicos em ambientes virtuais, escolhemos a tecnologia RemoteFX vGPU, que é suportada pelo hipervisor Microsoft. Neste caso, o host deve possuir processadores que suportem SLAT (EPT da Intel ou NPT/RVI da AMD), bem como placas de vídeo que atendam aos requisitos dos criadores do Hyper-V. Em nenhum caso você deve comparar esta solução com adaptadores de desktop em máquinas físicas, que geralmente apresentam melhor desempenho ao trabalhar com gráficos. Em nossos testes, a vGPU competirá com o processador central do servidor virtual – bastante lógico para tarefas computacionais. Observe também que além do RemoteFX, existem outras tecnologias semelhantes, por exemplo NVIDIA Virtual GPU - permite transferir comandos gráficos de cada máquina virtual diretamente para o adaptador sem transferi-los para o hipervisor.
Testes
Os testes utilizaram uma máquina com 4 núcleos de computação a 3,4 GHz, 16 GB de RAM, uma unidade de estado sólido (SSD) de 100 GB e um adaptador de vídeo virtual com 512 MB de memória de vídeo. O servidor físico está equipado com placas de vídeo profissionais NVIDIA Quadro P4000 e o sistema convidado executa o Windows Server 2016 Standard (64 bits) com o driver de vídeo padrão Microsoft Remote FX.
▍GeekBench 5
Para começar versão atual do utilitário , que permite medir o desempenho do sistema para aplicativos OpenCL.
Usamos esse benchmark no artigo anterior e ele apenas confirmou o óbvio: nosso vGPU é mais fraco do que placas de vídeo de desktop de alto desempenho para resolver tarefas “gráficas” típicas.
▍Visualizador de tampas de GPU 1.43.0.0
Criado pela empresa O utilitário não pode ser chamado de benchmark. Não contém testes de desempenho, mas permite obter informações sobre as soluções de hardware e software utilizadas. Aqui você pode ver que nossa máquina virtual vGPU suporta apenas OpenCL 1.1 e não suporta CUDA, apesar do adaptador de vídeo NVIDIA Quadro P4000 instalado no servidor físico.
▍FAHBench 2.3.1
do projeto de computação distribuída dedica-se a resolver um problema altamente especializado de modelagem computacional do enovelamento de moléculas de proteínas. Isto é necessário para estudar as causas das patologias associadas a proteínas defeituosas - doenças de Alzheimer e Parkinson, doença da vaca louca, esclerose múltipla, etc. Utilitário não pode avaliar de forma abrangente o poder de computação de um adaptador de vídeo virtual, mas permite comparar o desempenho da CPU e do vGPU em cálculos complexos.
O desempenho da computação em vGPUs usando OpenCL, medido usando FAHBench, acabou sendo aproximadamente 6 vezes (para o método de modelagem implícita - aproximadamente 10 vezes) maior do que indicadores semelhantes para um processador central suficientemente poderoso.
Abaixo apresentamos os resultados dos cálculos com dupla precisão.
▍SiSoftware Sandra 20/20
Outro pacote universal para diagnosticar e testar computadores. Ele permite estudar detalhadamente a configuração de hardware e software do servidor e contém um grande número de benchmarks diferentes. Além da computação CPU, Sandra 20/20 suporta OpenCL, DirectCompute e CUDA. Estamos interessados principalmente naqueles incluídos na versão gratuita suítes de benchmark de computação de uso geral (GPGPU) usando aceleradores de hardware.
muito bons, embora sejam um pouco inferiores ao esperado para o adaptador de vídeo NVIDIA Quadro P4000. A sobrecarga da virtualização provavelmente terá um impacto.
Sandra 20/20 possui um conjunto semelhante de benchmarks de CPU. Vamos lançá-los para com computação vGPU.
As vantagens do adaptador de vídeo são claramente visíveis, mas as configurações do pacote geral de testes não são completamente idênticas e você não consegue ver indicadores com o grau de detalhe necessário nos resultados. Decidimos realizar vários testes separados. Inicialmente Desempenho máximo da vGPU usando um conjunto de cálculos matemáticos simples usando OpenCL. essencialmente semelhante ao teste multimídia (não aritmético!) de Sandra para CPU. Para comparação, vamos colocar no mesmo diagrama Teste multimídia de CPU VPS. Mesmo uma CPU com quatro núcleos de processamento é visivelmente inferior ao vGPU.
Passemos dos testes sintéticos para as coisas práticas. Os testes criptográficos nos ajudaram a determinar a velocidade de codificação e decodificação de dados. Aqui está uma comparação de resultados para и também mostrou uma clara vantagem do acelerador.
Outra área de aplicação do vGPU é a análise financeira. Esses cálculos são fáceis de paralelizar, mas para realizá-los você precisará de um adaptador de vídeo que suporte cálculos de precisão dupla. E mais uma vez os resultados falam por si: bastante poderosos perde completamente .
O último teste que realizamos foram cálculos científicos com alta precisão. fez melhor novamente com multiplicação de matrizes, transformada rápida de Fourier e outros problemas semelhantes.
Descobertas
As vGPUs não são adequadas para a execução de editores gráficos, bem como para renderização 3D e aplicativos de processamento de vídeo. Adaptadores para sistemas desktop lidam muito melhor com gráficos, mas o virtual pode realizar cálculos paralelos mais rápido que a CPU. Por isso devemos agradecer à RAM produtiva e a um maior número de módulos lógicos-aritméticos. Coleta e processamento de dados de vários sensores, cálculos analíticos para aplicações de negócios, cálculos científicos e de engenharia, análise e cobrança de tráfego, trabalho com sistemas de negociação - há muitas tarefas de computação para as quais as GPUs são indispensáveis. Claro, você pode montar esse servidor em casa ou no escritório, mas terá que pagar uma boa quantia pela compra de hardware e software licenciado. Além dos custos de capital, existem também custos operacionais de manutenção, incluindo contas de luz. Há depreciação - o equipamento se desgasta com o tempo e se torna obsoleto ainda mais rápido. Os servidores virtuais não apresentam essas desvantagens: eles podem ser criados conforme necessário e excluídos quando a necessidade de poder computacional desaparecer. Pagar pelos recursos apenas quando você precisa deles é sempre lucrativo.
Fonte: habr.com