В
Fiziksel video bağdaştırıcılarını sanal ortamlarda kullanmak için Microsoft hipervizörü tarafından desteklenen RemoteFX vGPU teknolojisini seçtik. Bu durumda, ana bilgisayarın SLAT'ı (Intel'den EPT veya AMD'den NPT/RVI) destekleyen işlemcilerin yanı sıra Hyper-V yaratıcılarının gereksinimlerini karşılayan video kartlarına sahip olması gerekir. Hiçbir durumda bu çözümü, grafiklerle çalışırken genellikle daha iyi performans gösteren fiziksel makinelerdeki masaüstü bağdaştırıcılarıyla karşılaştırmamalısınız. Testlerimizde vGPU, sanal sunucunun merkezi işlemcisiyle rekabet edecek; bu, bilgi işlem görevleri için oldukça mantıklı. RemoteFX'e ek olarak, NVIDIA Virtual GPU gibi başka benzer teknolojilerin de bulunduğunu unutmayın; bu, grafik komutlarını her sanal makineden hipervizöre çevirmeden doğrudan adaptöre aktarmanıza olanak tanır.
Testler
Testlerde 4 GHz hızında 3,4 bilgi işlem çekirdeği, 16 GB RAM, 100 GB katı hal sürücüsü (SSD) ve 512 MB video belleği olan bir sanal video bağdaştırıcısı bulunan bir makine kullanıldı. Fiziksel sunucu, profesyonel NVIDIA Quadro P4000 video kartlarıyla donatılmıştır ve konuk sistemi, standart Microsoft Remote FX video sürücüsüyle Windows Server 2016 Standardı (64 bit) çalıştırır.
▍GeekBench 5
Bir başlangıç için
Bu kıyaslamayı önceki makalede kullandık ve yalnızca bariz olanı doğruladı: vGPU'muz, tipik "grafik" görevlerini çözmek için yüksek performanslı masaüstü video kartlarından daha zayıftır.
▍GPU Büyük Harf Görüntüleyicisi 1.43.0.0
Şirket tarafından oluşturuldu
▍FAHBench 2.3.1
FAHBench kullanılarak ölçülen OpenCL kullanan vGPU'larda bilgi işlem performansının, yeterince güçlü bir merkezi işlemci için benzer göstergelerden yaklaşık 6 kat (örtük modelleme yöntemi için - yaklaşık 10 kat) daha yüksek olduğu ortaya çıktı.
Aşağıda çift duyarlıklı hesaplamaların sonuçlarını sunuyoruz.
▍SiYazılım Sandra 20/20
Bilgisayarları teşhis etmek ve test etmek için başka bir evrensel paket. Sunucunun donanım ve yazılım yapılandırmasını ayrıntılı olarak incelemenize olanak tanır ve çok sayıda farklı kıyaslama içerir. Sandra 20/20, CPU hesaplamaya ek olarak OpenCL, DirectCompute ve CUDA'yı da destekler. Öncelikle ücretsiz sürüme dahil olanlarla ilgileniyoruz
Sandra 20/20 de benzer CPU kriterlerine sahip. Hadi onları başlatalım
Video bağdaştırıcısının avantajları açıkça görülüyor, ancak genel test paketinin ayarları tamamen aynı değil ve sonuçlarda gerekli ayrıntı derecesine sahip göstergeleri göremiyorsunuz. Birkaç ayrı test yapmaya karar verdik. Başta
Sentetik testlerden pratik şeylere geçelim. Kriptografik testler, veri kodlama ve kod çözme hızını belirlememize yardımcı oldu. İşte sonuçların bir karşılaştırması:
vGPU'nun bir diğer uygulama alanı da finansal analizdir. Bu tür hesaplamaların paralelleştirilmesi kolaydır, ancak bunları gerçekleştirmek için çift duyarlıklı hesaplamaları destekleyen bir video bağdaştırıcısına ihtiyacınız olacaktır. Ve yine sonuçlar ortada: oldukça güçlü
Son yaptığımız test yüksek doğrulukta bilimsel hesaplamalardı.
Bulgular
vGPU'lar, grafik editörlerinin yanı sıra 3D oluşturma ve video işleme uygulamalarını çalıştırmak için pek uygun değildir. Masaüstü sistemler için adaptörler grafiklerle çok daha iyi başa çıkıyor, ancak sanal olan paralel hesaplamaları CPU'dan daha hızlı gerçekleştirebiliyor. Bunun için üretken RAM'e ve daha fazla sayıda aritmetik-mantıksal modüle teşekkür etmeliyiz. Çeşitli sensörlerden verilerin toplanması ve işlenmesi, iş uygulamaları için analitik hesaplamalar, bilimsel ve mühendislik hesaplamaları, trafik analizi ve şarj edilmesi, ticaret sistemleriyle çalışma - GPU'ların vazgeçilmez olduğu birçok bilgi işlem görevi vardır. Elbette böyle bir sunucuyu evde veya ofiste kurabilirsiniz, ancak donanım ve lisanslı yazılım satın almak için düzenli bir miktar ödemeniz gerekecektir. Sermaye maliyetlerine ek olarak, elektrik faturaları da dahil olmak üzere bakıma ilişkin işletme maliyetleri de bulunmaktadır. Amortisman var; ekipman zamanla yıpranıyor ve daha da hızlı bir şekilde eskimiş hale geliyor. Sanal sunucuların bu dezavantajları yoktur: Gerektiğinde oluşturulabilir ve bilgi işlem gücüne olan ihtiyaç ortadan kalktığında silinebilir. Kaynaklara yalnızca ihtiyaç duyduğunuzda ödeme yapmak her zaman karlıdır.
Kaynak: habr.com