Hal ieu dipercaya yén server maya kalawan vGPU mahal. Dina ulasan pondok kuring bakal nyobian ngabantah skripsi ieu.
Pilarian dina Internét langsung ngungkabkeun nyéwa superkomputer sareng NVIDIA Tesla V100 atanapi server anu langkung saderhana kalayan GPU khusus anu kuat. Ladenan anu sami sayogi, contona, , atawa . Biaya bulananna diukur dina puluhan rébu rubles, sareng kuring hoyong milarian pilihan anu langkung mirah pikeun aplikasi OpenCL sareng / atanapi CUDA. Henteu seueur anggaran VPS sareng adaptor pidéo di pasar Rusia; dina tulisan pondok kuring bakal ngabandingkeun kamampuan komputasina nganggo tés sintétik.
pamilon
Hosting server virtual kaasup kana daptar calon pikeun partisipasi dina ulasan. , , , и . Henteu aya masalah khusus pikeun kéngingkeun aksés, sabab ampir sadaya panyadia gaduh période uji coba gratis. UltraVDS sacara resmi henteu gaduh tés gratis, tapi éta henteu sesah dugi ka perjanjian: saatos diajar ngeunaan publikasi, staf pangrojong masihan kuring jumlah anu diperyogikeun pikeun mesen VPS kana akun bonus kuring. Dina tahap ieu, mesin virtual VDS4YOU turun tina balapan, sabab pikeun nguji gratis hoster merlukeun anjeun nyadiakeun scan tina KTP anjeun. Kuring ngarti yén anjeun kedah ngajaga diri tina nyiksa, tapi pikeun verifikasi, detil paspor atanapi, contona, ngahubungkeun akun dina jaringan sosial - ieu diperyogikeun ku 1Gb.ru.
Konfigurasi sarta harga
Pikeun nguji, urang nyandak mesin pertengahan tingkat costing kirang ti 10 sarébu rubles per bulan: 2 cores komputasi, 4 GB RAM, 20 - 50 GB SSD, vGPU kalawan 256 MB VRAM jeung Windows Server 2016. Sateuacan assessing kinerja VDS, hayu urang nempo subsistem grafik maranéhanana jeung katingal pakarang. Dijieun ku pausahaan utiliti ngidinan Anjeun pikeun ménta inpo wincik tentang hardware jeung software solusi dipaké ku hosters. Kalayan bantosanana anjeun tiasa ningali, contona, versi supir pidéo, jumlah mémori pidéo anu sayogi, ogé data ngeunaan dukungan OpenCL sareng CUDA.
1Gb.ru
GPUcloud
RuVDS
UltraVDS
Virtualisasi
Hyper-V
OpenStack
Hyper-V
Hyper-V
Inti komputasi
2*2,6 GHz
2*2,8 GHz
2*3,4 GHz
2*2,2 GHz
RAM, GB
4
4
4
4
Panyimpenan, GB
30 (SSD)
50 (SSD)
20 (SSD)
30 (SSD)
vGPU
RemoteFX
NVIDIA GRID
RemoteFX
RemoteFX
Video adaptor
NVIDIA GeForce GTX 1080 Ti
NVIDIA Tesla T4
NVIDIA Quadro P4000
AMD FirePro W4300
vRAM, MB
256
4063
256
256
rojongan OpenCL
+
+
+
+
rojongan CUDA
-
+
-
-
Harga per bulan (upami dibayar taunan), gosok.
3494 (3015)
7923,60
1904 (1333)
1930 (1351)
Pangmayaran pikeun sumberdaya, rub
teu
CPU = 0,42 rub / jam,
RAM = 0,24 rub / jam,
SSD = 0,0087 rub/jam,
OS Windows = 1,62 rub/jam,
IPv4 = 0,15 rub/jam,
vGPU (T4 / 4Gb) = 7 RUR / jam.
ti 623,28 + 30 per instalasi
teu
Mangsa tés
poé 10
7 poé atawa leuwih ku perjangjian
3 dinten sareng tagihan bulanan
teu
Tina panyadia anu diulas, ngan GPUcloud anu nganggo virtualisasi OpenStack sareng téknologi NVIDIA GRID. Alatan jumlah badag memori video (4, 8 jeung 16 GB propil sadia), jasa leuwih mahal, tapi klien bakal ngajalankeun aplikasi OpenCL na CUDA. Sesa contenders nawiskeun vGPUs kalawan kirang VRAM, dijieun maké Microsoft RemoteFX. Éta langkung murah, tapi ngan ukur ngadukung OpenCL.
Nguji kinerja
Geek Bangku 5
Kalayan populér ieu Anjeun tiasa ngukur kinerja grafik pikeun aplikasi OpenCL sareng CUDA. Bagan di handap nembongkeun hasil kasimpulan, sareng data anu langkung rinci pikeun server virtual , GPUcloud ( и ), и sadia dina ramatloka pamekar patokan urang. Muka aranjeunna nembongkeun hiji kanyataan metot: GeekBench nembongkeun jumlah VRAM loba nu leuwih luhur ti 256 MB maréntahkeun. Laju jam prosesor sentral ogé tiasa langkung luhur tibatan anu dinyatakeun. Ieu mangrupikeun kajadian umum dina lingkungan maya - seueur gumantung kana beban dina host fisik dimana VPS dijalankeun.
Dibagikeun "server" vGPUs leuwih lemah batan-kinerja tinggi "desktop" video adapters lamun dipaké pikeun aplikasi grafik beurat. Solusi sapertos dimaksudkeun utamina pikeun tugas komputasi. Tés sintétik séjén dilakukeun pikeun ngévaluasi kinerjana.
FAHBench 2.3.1
Pikeun analisis komprehensif ngeunaan kamampuhan komputasi vGPU teu cocog, tapi bisa dipaké pikeun ngabandingkeun kinerja adapters video ti VPS béda dina itungan kompléks maké OpenCL. Proyék komputasi disebarkeun solves masalah sempit modeling komputer tina tilepan molekul protéin. Panaliti nyobian ngartos panyabab patologi anu aya hubunganana sareng protéin cacad: Panyakit Alzheimer sareng Parkinson, panyakit sapi gila, sababaraha sclerosis, jsb. Diukur nganggo utilitas anu didamelna Kinerja precision tunggal sareng ganda dipidangkeun dina bagan. Hanjakalna, utilitas ngahasilkeun kasalahan dina mesin virtual UltraVDS.
Salajengna, kuring bakal ngabandingkeun hasil itungan pikeun métode modeling dhfr-implisit.
SiSoftware Sandra 20/20
Pakét Saé pikeun ngevaluasi kamampuan komputasi adaptor video virtual tina sababaraha hoster. Utilitas éta ngandung suite patokan komputasi tujuan umum (GPGPU) sareng ngadukung OpenCL, DirectCompute sareng CUDA. Pikeun mimitian, a assessment umum vGPUs béda dijieun. Diagram nembongkeun hasil kasimpulan, data leuwih lengkep pikeun server virtual , GPUcloud () jeung sadia dina ramatloka pamekar patokan urang.
Aya ogé masalah sareng tés "panjang" Sandra. Pikeun panyadia VPS GPUcloud, éta henteu mungkin ngalaksanakeun penilaian umum nganggo OpenCL. Nalika milih pilihan anu pas, utilitas masih dianggo ngaliwatan CUDA. Mesin UltraVDS ogé gagal tés ieu: patokan beku dina 86% bari nyobian nangtukeun latency memori.
Dina pakét tés umum, mustahil ningali indikator kalayan tingkat detil anu cukup atanapi ngalakukeun itungan kalayan akurasi anu luhur. Urang kedah ngajalankeun sababaraha tés misah, dimimitian ku nangtukeun kinerja puncak adaptor video ngagunakeun susunan itungan matematik basajan ngagunakeun OpenCL na (lamun mungkin) CUDA. Ieu ogé nembongkeun ukur indikator umum, sarta hasil lengkep pikeun VPS ti , GPUcloud ( и ), и sadia dina website.
Pikeun ngabandingkeun laju encoding sareng decoding data, Sandra gaduh sakumpulan tés kriptografi. hasil lengkep pikeun , GPUcloud ( и ), и .
Itungan finansial paralel merlukeun itungan adaptor ganda-precision ngarojong. Ieu mangrupikeun daérah aplikasi anu penting pikeun vGPU. hasil lengkep pikeun , GPUcloud ( и ), и .
Sandra 20/20 ngamungkinkeun anjeun pikeun nguji kamungkinan ngagunakeun vGPU pikeun itungan ilmiah kalayan akurasi anu luhur: multiplikasi matriks, transformasi Fourier gancang, jsb. hasil lengkep pikeun , GPUcloud ( и ), и .
Tungtungna, uji kamampuan ngolah gambar vGPU dilaksanakeun. hasil lengkep pikeun , GPUcloud ( и ), и .
papanggihan
Server virtual GPUcloud nunjukkeun hasil anu saé dina tés GeekBench 5 sareng FAHBench, tapi henteu naék saluhureun tingkat umum dina tés patokan Sandra. Éta hargana langkung seueur tibatan jasa pesaing, tapi gaduh jumlah mémori pidéo anu langkung ageung sareng ngadukung CUDA. Dina tés Sandra, VPS ti 1Gb.ru mangrupikeun pamimpin kalayan akurasi itungan anu luhur, tapi éta ogé henteu murah sareng dilaksanakeun rata-rata dina tés sanés. UltraVDS tétéla janten urang luar atra: Kuring henteu weruh lamun aya sambungan dieu, tapi ngan hoster ieu nawarkeun klien kartu vidéo AMD. Dina hal rasio harga / kinerja, server RuVDS sigana kuring anu pangsaéna. Éta waragad kirang ti 2000 rubles per bulan, sarta tés lulus cukup alus. Klasemen ahir sapertos kieu:
tempat
Hoster
rojongan OpenCL
rojongan CUDA
Kinerja luhur numutkeun GeekBench 5
Kinerja luhur nurutkeun FAHBench
Kinerja luhur nurutkeun Sandra 20/20
Harga rendah
I
RuVDS
+
-
+
+
+
+
II
1Gb.ru
+
-
+
+
+
+
III
GPUcloud
+
+
+
+
+
-
IV
UltraVDS
+
-
-
-
-
+
Kuring kungsi sababaraha mamang ngeunaan juara, tapi review ieu dedicated ka VPS anggaran kalawan vGPU, jeung mesin virtual RuVDS ngarugikeun ampir satengah saloba pesaing pangdeukeutna sarta leuwih ti opat kali saloba tawaran paling mahal reviewed. Tempat kadua sareng katilu ogé henteu gampang ngabagi, tapi di dieu ogé hargana ngaleuwihan faktor sanés.
Salaku hasil tina tés, tétéla yén vGPU tingkat éntri henteu mahal sareng parantos tiasa dianggo pikeun ngarengsekeun masalah komputasi. Tangtu, ngagunakeun tés sintétik hese keur prediksi kumaha mesin bakal kalakuanana dina beban nyata, jeung sajaba ti éta, kamampuhan pikeun allocate sumberdaya langsung gumantung kana tatanggana dina host fisik - nyieun tunjangan pikeun ieu. Upami anjeun mendakan VPS anggaran anu sanés sareng vGPU dina Internét Rusia, ulah ragu nyerat ngeunaan éta dina koméntar.
sumber: www.habr.com