В článok, keď sme hovorili o našej novej službe s grafickou kartou sme sa nedotkli niektorých zaujímavých aspektov používania virtuálnych serverov s grafickými adaptérmi. Je čas pridať ďalšie testovanie.
Pre použitie fyzických video adaptérov vo virtuálnych prostrediach sme zvolili technológiu RemoteFX vGPU, ktorá je podporovaná hypervízorom Microsoftu. V tomto prípade musí mať hostiteľ procesory, ktoré podporujú SLAT (EPT od Intelu alebo NPT/RVI od AMD), ako aj grafické karty, ktoré spĺňajú požiadavky tvorcov Hyper-V. V žiadnom prípade toto riešenie neporovnávajte s desktopovými adaptérmi vo fyzických strojoch, ktoré zvyčajne vykazujú lepší výkon pri práci s grafikou. V našom testovaní bude vGPU súťažiť s centrálnym procesorom virtuálneho servera - čo je celkom logické pre výpočtové úlohy. Všimnite si tiež, že okrem RemoteFX existujú aj iné podobné technológie, napríklad NVIDIA Virtual GPU - umožňuje prenášať grafické príkazy z každého virtuálneho stroja priamo do adaptéra bez ich prekladu do hypervízora.
skúšky
Pri testoch bol použitý stroj so 4 výpočtovými jadrami na frekvencii 3,4 GHz, 16 GB RAM, 100 GB SSD (solid-state drive) a virtuálny grafický adaptér s 512 MB video pamäte. Fyzický server je vybavený profesionálnymi grafickými kartami NVIDIA Quadro P4000 a hosťovský systém používa Windows Server 2016 Standard (64-bit) so štandardným ovládačom videa Microsoft Remote FX.
▍GeekBench 5
Pre začiatok aktuálnu verziu pomôcky , ktorý vám umožňuje merať výkon systému pre aplikácie OpenCL.
Tento benchmark sme použili v predchádzajúcom článku a len potvrdil očividné – naša vGPU je slabšia ako vysokovýkonné stolné grafické karty na riešenie typických „grafických“ úloh.
▍ GPU Caps Viewer 1.43.0.0
Vytvorené spoločnosťou Pomôcku nemožno nazvať benchmarkom. Neobsahuje testy výkonu, ale umožňuje získať informácie o použitých hardvérových a softvérových riešeniach. Tu môžete vidieť, že náš virtuálny stroj vGPU podporuje iba OpenCL 1.1 a nepodporuje CUDA, napriek tomu, že je na fyzickom serveri nainštalovaný grafický adaptér NVIDIA Quadro P4000.
▍FAHBench 2.3.1
z distribuovaného výpočtového projektu sa venuje riešeniu vysoko špecializovaného problému počítačového modelovania skladania molekúl bielkovín. Je to potrebné na štúdium príčin patológií spojených s defektnými proteínmi - Alzheimerova a Parkinsonova choroba, choroba šialených kráv, skleróza multiplex atď. Utility nedokáže komplexne vyhodnotiť výpočtový výkon virtuálneho grafického adaptéra, ale umožňuje porovnať výkon CPU a vGPU v zložitých výpočtoch.
Výkon výpočtov na vGPU pomocou OpenCL, meraný pomocou FAHBench, sa ukázal byť približne 6-krát (pre metódu implicitného modelovania - približne 10-krát) vyšší ako podobné ukazovatele pre dostatočne výkonný centrálny procesor.
Nižšie uvádzame výsledky výpočtov s dvojnásobnou presnosťou.
▍Softvér SiSoftvér Sandra 20/20
Ďalší univerzálny balík na diagnostiku a testovanie počítačov. Umožňuje vám podrobne preštudovať hardvérovú a softvérovú konfiguráciu servera a obsahuje veľké množstvo rôznych benchmarkov. Okrem CPU computing podporuje Sandra 20/20 OpenCL, DirectCompute a CUDA. Nás zaujímajú predovšetkým tie, ktoré sú súčasťou bezplatnej verzie sady všeobecných výpočtových benchmarkov (GPGPU) využívajúce hardvérové akcelerátory.
celkom dobré, aj keď sú o niečo nižšie, ako sa očakávalo pre grafický adaptér NVIDIA Quadro P4000. Režijné náklady na virtualizáciu budú mať pravdepodobne vplyv.
Sandra 20/20 má podobnú sadu benchmarkov CPU. Poďme ich spustiť s výpočtom vGPU.
Výhody grafického adaptéra sú jasne viditeľné, ale nastavenia celkového testovacieho balíka nie sú úplne totožné a vo výsledkoch nevidíte indikátory s požadovaným stupňom detailov. Rozhodli sme sa vykonať niekoľko samostatných testov. Najprv Špičkový výkon vGPU pomocou sady jednoduchých matematických výpočtov pomocou OpenCL. v podstate podobný Sandrinmu multimediálnemu (nie aritmetickému!) testu CPU. Pre porovnanie umiestnime na rovnaký diagram Multimediálny test procesora VPS. Dokonca aj procesor so štyrmi procesorovými jadrami je výrazne horší ako vGPU.
Prejdime od syntetických testov k praktickým veciam. Kryptografické testy nám pomohli určiť rýchlosť kódovania a dekódovania údajov. Tu je porovnanie výsledkov pre и ukázal aj jasnú výhodu akcelerátora.
Ďalšou oblasťou použitia vGPU je finančná analýza. Takéto výpočty sa dajú ľahko paralelizovať, ale na ich vykonanie budete potrebovať grafický adaptér, ktorý podporuje výpočty s dvojnásobnou presnosťou. A opäť výsledky hovoria samy za seba: dosť silné úplne stráca .
Posledný test, ktorý sme vykonali, boli vedecké výpočty s vysokou presnosťou. dopadol opäť lepšie s maticovým násobením, rýchlou Fourierovou transformáciou a inými podobnými problémami.
Závery
VGPU nie sú vhodné na spúšťanie grafických editorov, ako aj aplikácií na vykresľovanie 3D a spracovanie videa. Adaptéry pre desktopové systémy si s grafikou poradia oveľa lepšie, no ten virtuálny dokáže vykonávať paralelné výpočty rýchlejšie ako CPU. Za to musíme poďakovať produktívnej RAM a väčšiemu počtu aritmeticko-logických modulov. Zber a spracovanie údajov z rôznych senzorov, analytické výpočty pre obchodné aplikácie, vedecké a inžinierske výpočty, analýza a spoplatňovanie premávky, práca s obchodnými systémami – existuje množstvo výpočtových úloh, pre ktoré sú GPU nepostrádateľné. Samozrejme, takýto server si môžete zostaviť doma alebo v kancelárii, ale za nákup hardvéru a licencovaného softvéru budete musieť zaplatiť riadnu sumu. Okrem kapitálových nákladov sú to aj prevádzkové náklady na údržbu, vrátane účtov za elektrinu. Dochádza k odpisom – vybavenie sa časom opotrebuje a ešte rýchlejšie zastará. Virtuálne servery nemajú tieto nevýhody: môžu byť vytvorené podľa potreby a vymazané, keď pominie potreba výpočtového výkonu. Platiť za zdroje iba vtedy, keď ich potrebujete, je vždy ziskové.
Zdroj: hab.com