В
หากต้องการใช้อะแดปเตอร์วิดีโอจริงในสภาพแวดล้อมเสมือน เราเลือกเทคโนโลยี RemoteFX vGPU ซึ่งได้รับการสนับสนุนโดยไฮเปอร์ไวเซอร์ของ Microsoft ในกรณีนี้ โฮสต์จะต้องมีโปรเซสเซอร์ที่รองรับ SLAT (EPT จาก Intel หรือ NPT/RVI จาก AMD) รวมถึงการ์ดแสดงผลที่ตรงตามข้อกำหนดของผู้สร้าง Hyper-V ไม่ว่าในกรณีใด คุณควรเปรียบเทียบโซลูชันนี้กับอะแดปเตอร์เดสก์ท็อปในเครื่องจริง ซึ่งมักจะแสดงประสิทธิภาพที่ดีกว่าเมื่อทำงานกับกราฟิก ในการทดสอบของเรา vGPU จะแข่งขันกับโปรเซสเซอร์กลางของเซิร์ฟเวอร์เสมือนซึ่งค่อนข้างสมเหตุสมผลสำหรับงานคำนวณ โปรดทราบว่านอกเหนือจาก RemoteFX แล้ว ยังมีเทคโนโลยีอื่นที่คล้ายคลึงกัน เช่น NVIDIA Virtual GPU ซึ่งช่วยให้คุณสามารถถ่ายโอนคำสั่งกราฟิกจากเครื่องเสมือนแต่ละเครื่องไปยังอะแดปเตอร์ได้โดยตรงโดยไม่ต้องแปลคำสั่งเหล่านั้นเป็นไฮเปอร์ไวเซอร์
การทดสอบ
การทดสอบใช้เครื่องที่มีคอร์ประมวลผล 4 คอร์ที่ 3,4 GHz, RAM 16 GB, โซลิดสเตตไดรฟ์ (SSD) 100 GB และอะแดปเตอร์วิดีโอเสมือนที่มีหน่วยความจำวิดีโอ 512 MB เซิร์ฟเวอร์จริงติดตั้งการ์ดแสดงผล NVIDIA Quadro P4000 ระดับมืออาชีพ และระบบเกสต์รัน Windows Server 2016 Standard (64 บิต) พร้อมไดรเวอร์วิดีโอ Microsoft Remote FX มาตรฐาน
▍GeekBench 5
สำหรับการเริ่มต้น
เราใช้เกณฑ์มาตรฐานนี้ในบทความก่อนหน้านี้และยืนยันได้ชัดเจนเท่านั้น - vGPU ของเรานั้นอ่อนแอกว่าการ์ดแสดงผลเดสก์ท็อปประสิทธิภาพสูงสำหรับการแก้ปัญหางาน "กราฟิก" ทั่วไป
▍โปรแกรมดูแคป GPU 1.43.0.0
สร้างขึ้นโดยบริษัท
▍FAHBench 2.3.1
ประสิทธิภาพของการประมวลผลบน vGPU โดยใช้ OpenCL ซึ่งวัดโดยใช้ FAHBench กลายเป็นประมาณ 6 เท่า (สำหรับวิธีการสร้างแบบจำลองโดยนัย - ประมาณ 10 เท่า) สูงกว่าตัวบ่งชี้ที่คล้ายกันสำหรับโปรเซสเซอร์กลางที่ทรงพลังเพียงพอ
ด้านล่างนี้เรานำเสนอผลลัพธ์การคำนวณที่มีความแม่นยำสองเท่า
▍SiSoftware แซนดร้า 20/20
แพ็คเกจสากลอื่นสำหรับการวินิจฉัยและทดสอบคอมพิวเตอร์ ช่วยให้คุณศึกษาการกำหนดค่าฮาร์ดแวร์และซอฟต์แวร์ของเซิร์ฟเวอร์โดยละเอียด และมีเกณฑ์มาตรฐานที่แตกต่างกันจำนวนมาก นอกเหนือจากการประมวลผล CPU แล้ว Sandra 20/20 ยังรองรับ OpenCL, DirectCompute และ CUDA เราสนใจสิ่งที่รวมอยู่ในเวอร์ชันฟรีเป็นหลัก
Sandra 20/20 มีชุดการวัดประสิทธิภาพ CPU ที่คล้ายกัน มาเปิดตัวกันเลย
ข้อดีของอะแดปเตอร์วิดีโอนั้นมองเห็นได้ชัดเจน แต่การตั้งค่าของแพ็คเกจการทดสอบโดยรวมนั้นไม่เหมือนกันทั้งหมด และในผลลัพธ์คุณจะไม่เห็นตัวบ่งชี้ที่มีรายละเอียดในระดับที่ต้องการ เราตัดสินใจทำการทดสอบแยกกันหลายครั้ง ตอนแรก
เรามาต่อจากการทดสอบสังเคราะห์ไปสู่สิ่งที่ใช้งานได้จริงกันดีกว่า การทดสอบการเข้ารหัสช่วยให้เราระบุความเร็วของการเข้ารหัสและถอดรหัสข้อมูล นี่คือการเปรียบเทียบผลลัพธ์สำหรับ
การใช้งาน vGPU อีกด้านคือการวิเคราะห์ทางการเงิน การคำนวณดังกล่าวง่ายต่อการขนาน แต่ในการดำเนินการคุณจะต้องมีอะแดปเตอร์วิดีโอที่รองรับการคำนวณที่มีความแม่นยำสองเท่า และผลลัพธ์ก็แสดงให้เห็นอีกครั้ง: ค่อนข้างทรงพลัง
การทดสอบครั้งสุดท้ายที่เราทำคือการคำนวณทางวิทยาศาสตร์ที่มีความแม่นยำสูง
ผลการวิจัย
vGPU ไม่เหมาะสำหรับการเรียกใช้โปรแกรมแก้ไขกราฟิก เช่นเดียวกับแอปพลิเคชันการเรนเดอร์ 3D และการประมวลผลวิดีโอ อะแดปเตอร์สำหรับระบบเดสก์ท็อปสามารถรับมือกับกราฟิกได้ดีกว่ามาก แต่อะแดปเตอร์เสมือนสามารถทำการคำนวณแบบขนานได้เร็วกว่า CPU สำหรับสิ่งนี้ เราต้องขอบคุณ RAM ที่มีประสิทธิผลและโมดูลทางคณิตศาสตร์-ลอจิคัลจำนวนมากขึ้น การรวบรวมและการประมวลผลข้อมูลจากเซ็นเซอร์ต่างๆ การคำนวณเชิงวิเคราะห์สำหรับการใช้งานทางธุรกิจ การคำนวณทางวิทยาศาสตร์และวิศวกรรม การวิเคราะห์การรับส่งข้อมูลและการชาร์จ การทำงานกับระบบการซื้อขาย - มีงานประมวลผลมากมายที่ GPU ขาดไม่ได้ แน่นอนคุณสามารถประกอบเซิร์ฟเวอร์ดังกล่าวที่บ้านหรือในสำนักงานได้ แต่คุณจะต้องจ่ายเงินจำนวนเป็นระเบียบเรียบร้อยสำหรับการซื้อฮาร์ดแวร์และซอฟต์แวร์ลิขสิทธิ์ นอกจากต้นทุนทุนแล้ว ยังมีต้นทุนการดำเนินงานบำรุงรักษารวมทั้งค่าไฟฟ้าอีกด้วย มีค่าเสื่อมราคา - อุปกรณ์เสื่อมสภาพเมื่อเวลาผ่านไปและล้าสมัยเร็วยิ่งขึ้น เซิร์ฟเวอร์เสมือนไม่มีข้อเสียเหล่านี้: สามารถสร้างได้ตามต้องการและลบออกเมื่อความต้องการพลังการประมวลผลหายไป การชำระค่าทรัพยากรเฉพาะเมื่อคุณต้องการเท่านั้นจะทำกำไรได้เสมอ
ที่มา: will.com