VPS พร้อมกราฟิกการ์ด (ตอนที่ 2): ความสามารถในการคำนวณ

В ก่อน บทความเมื่อเราพูดคุยเกี่ยวกับบริการใหม่ของเรา VPS สำหรับการ์ดแสดงผล เราไม่ได้พูดถึงแง่มุมที่น่าสนใจบางประการของการใช้เซิร์ฟเวอร์เสมือนกับอะแดปเตอร์วิดีโอ ถึงเวลาที่จะเพิ่มการทดสอบเพิ่มเติม

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 เปิดตัวกันเถอะ ยูทิลิตี้เวอร์ชันปัจจุบัน Geek Bench 5ซึ่งช่วยให้คุณวัดประสิทธิภาพของระบบสำหรับแอปพลิเคชัน OpenCL

เราใช้เกณฑ์มาตรฐานนี้ในบทความก่อนหน้านี้และยืนยันได้ชัดเจนเท่านั้น - vGPU ของเรานั้นอ่อนแอกว่าการ์ดแสดงผลเดสก์ท็อปประสิทธิภาพสูงสำหรับการแก้ปัญหางาน "กราฟิก" ทั่วไป

▍โปรแกรมดูแคป GPU 1.43.0.0

สร้างขึ้นโดยบริษัท Geeks3D ยูทิลิตี้นี้ไม่สามารถเรียกได้ว่าเป็นเกณฑ์มาตรฐาน ไม่มีการทดสอบประสิทธิภาพ แต่ช่วยให้คุณรับข้อมูลเกี่ยวกับโซลูชันฮาร์ดแวร์และซอฟต์แวร์ที่ใช้ ที่นี่คุณจะเห็นว่าเครื่องเสมือน vGPU ของเรารองรับเฉพาะ OpenCL 1.1 และไม่รองรับ CUDA แม้ว่าอะแดปเตอร์วิดีโอ NVIDIA Quadro P4000 จะติดตั้งอยู่ในเซิร์ฟเวอร์จริงก็ตาม

▍FAHBench 2.3.1

มาตรฐานอย่างเป็นทางการ จากโครงการคอมพิวเตอร์แบบกระจาย พับ@โฮม มีความมุ่งมั่นในการแก้ปัญหาเฉพาะทางในการสร้างแบบจำลองคอมพิวเตอร์ของการพับโมเลกุลโปรตีน นี่เป็นสิ่งจำเป็นเพื่อศึกษาสาเหตุของโรคที่เกี่ยวข้องกับโปรตีนที่มีข้อบกพร่อง - โรคอัลไซเมอร์และพาร์กินสัน, โรควัวบ้า, โรคปลอกประสาทเสื่อมแข็ง ฯลฯ คุณประโยชน์ ฟ้าเบนช์ ไม่สามารถประเมินพลังการประมวลผลของอะแดปเตอร์วิดีโอเสมือนได้อย่างครอบคลุม แต่ช่วยให้คุณสามารถเปรียบเทียบประสิทธิภาพของ CPU และ vGPU ในการคำนวณที่ซับซ้อน 

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 แซนดร้า ไลท์ ชุดเบนช์มาร์กการประมวลผลเอนกประสงค์ (GPGPU) โดยใช้ตัวเร่งฮาร์ดแวร์ 

ผลการวิจัย ค่อนข้างดี แม้ว่าจะต่ำกว่าที่คาดไว้เล็กน้อยสำหรับอะแดปเตอร์วิดีโอ NVIDIA Quadro P4000 ค่าใช้จ่ายด้านเวอร์ช่วลไลเซชั่นน่าจะมีผลกระทบ

Sandra 20/20 มีชุดการวัดประสิทธิภาพ CPU ที่คล้ายกัน มาเปิดตัวกันเลย เปรียบเทียบผลลัพธ์ ด้วยการประมวลผล vGPU

ข้อดีของอะแดปเตอร์วิดีโอนั้นมองเห็นได้ชัดเจน แต่การตั้งค่าของแพ็คเกจการทดสอบโดยรวมนั้นไม่เหมือนกันทั้งหมด และในผลลัพธ์คุณจะไม่เห็นตัวบ่งชี้ที่มีรายละเอียดในระดับที่ต้องการ เราตัดสินใจทำการทดสอบแยกกันหลายครั้ง ตอนแรก ระบุ ประสิทธิภาพ vGPU สูงสุดโดยใช้ชุดการคำนวณทางคณิตศาสตร์อย่างง่ายโดยใช้ OpenCL เกณฑ์มาตรฐานนี้ โดยพื้นฐานแล้วคล้ายกับการทดสอบมัลติมีเดียของ Sandra (ไม่ใช่เลขคณิต!) สำหรับ CPU เพื่อการเปรียบเทียบ ให้วางบนแผนภาพเดียวกัน ผล การทดสอบมัลติมีเดีย VPS CPU แม้แต่ CPU ที่มีคอร์ประมวลผลสี่คอร์ก็ยังด้อยกว่า vGPU อย่างเห็นได้ชัด

เรามาต่อจากการทดสอบสังเคราะห์ไปสู่สิ่งที่ใช้งานได้จริงกันดีกว่า การทดสอบการเข้ารหัสช่วยให้เราระบุความเร็วของการเข้ารหัสและถอดรหัสข้อมูล นี่คือการเปรียบเทียบผลลัพธ์สำหรับ vGPU и ซีพียู ยังแสดงให้เห็นข้อได้เปรียบของคันเร่งอย่างชัดเจน

การใช้งาน vGPU อีกด้านคือการวิเคราะห์ทางการเงิน การคำนวณดังกล่าวง่ายต่อการขนาน แต่ในการดำเนินการคุณจะต้องมีอะแดปเตอร์วิดีโอที่รองรับการคำนวณที่มีความแม่นยำสองเท่า และผลลัพธ์ก็แสดงให้เห็นอีกครั้ง: ค่อนข้างทรงพลัง หน่วยประมวลผล แพ้ทันที GPU.

การทดสอบครั้งสุดท้ายที่เราทำคือการคำนวณทางวิทยาศาสตร์ที่มีความแม่นยำสูง อะแดปเตอร์กราฟิก ทำได้ดีกว่าอีกครั้ง โปรเซสเซอร์กลาง ด้วยการคูณเมทริกซ์ การแปลงฟูเรียร์แบบเร็ว และปัญหาอื่นๆ ที่คล้ายกัน

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