En el artículo
anterior , cuando hablamos de nuestro nuevo servicio
VPS con una tarjeta de video, no mencionamos algunos aspectos interesantes del uso de servidores virtuales con adaptadores de video. Es hora de complementar las pruebas.
Para usar adaptadores de video físicos en entornos virtuales, seleccionamos la tecnología RemoteFX vGPU, que es compatible con el hipervisor de Microsoft. En este caso, el host debe tener instalados procesadores compatibles con SLAT (EPT de Intel o NPT / RVI de AMD), así como cumplir con los requisitos de los creadores de las tarjetas gráficas Hyper-V. En ningún caso debe comparar esta solución con adaptadores de escritorio en máquinas físicas, que generalmente muestran el mejor rendimiento al trabajar con gráficos. En nuestras pruebas, vGPU competirá con el procesador central del servidor virtual: es bastante lógico para las tareas informáticas. También observamos que, además de RemoteFX, existen otras tecnologías similares, por ejemplo, GPU virtual NVIDIA: le permite transferir comandos gráficos de cada máquina virtual directamente al adaptador sin transmitirlos por el hipervisor.
Pruebas
En las pruebas, utilizamos una máquina con 4 núcleos informáticos a 3,4 GHz, 16 GB de RAM, una unidad de estado sólido (SSD) de 100 GB y un adaptador de video virtual con 512 MB de memoria de video. Las tarjetas gráficas profesionales NVIDIA Quadro P4000 están instaladas en el servidor físico, y el sistema invitado ejecuta Windows Server 2016 Standard (64 bits) con el controlador de video estándar Microsoft Remote FX.
▍GeekBench 5
Primero,
iniciemos la versión actual de la utilidad
GeekBench 5 , que le permite medir el rendimiento del sistema para aplicaciones OpenCL.
Utilizamos este punto de referencia en un artículo anterior y solo confirmó lo obvio: nuestra vGPU es más débil que las tarjetas de video de escritorio productivas para resolver problemas típicos "gráficos".
▍GPU Caps Viewer 1.43.0.0
La utilidad creada por
Geeks3D no se puede llamar un punto de referencia. No contiene pruebas de rendimiento, pero le permite obtener información sobre las soluciones de hardware y software utilizadas. Aquí puede ver que nuestra máquina virtual vGPU solo es compatible con OpenCL 1.1 y no es compatible con CUDA, a pesar del adaptador de video NVIDIA Quadro P4000 instalado en el servidor físico.
▍FAHBench 2.3.1
El punto de
referencia oficial del proyecto de computación distribuida
Folding @ Home está dedicado a resolver el problema altamente especializado de la simulación por computadora de la coagulación de moléculas de proteínas. Esto es necesario para estudiar las causas de las patologías asociadas con proteínas defectuosas: enfermedades de Alzheimer y Parkinson, enfermedad de las vacas locas, esclerosis múltiple, etc. La utilidad
FAHBench no puede evaluar exhaustivamente la potencia informática de un adaptador de video virtual, pero le permite comparar el rendimiento de la CPU y la vGPU en cálculos complejos.
El rendimiento de los cálculos en vGPU medidos con FAHBench con OpenCL resultó ser aproximadamente 6 veces (para el método de simulación implícita, aproximadamente 10 veces) más alto que indicadores similares para un procesador central bastante potente.
A continuación, presentamos los resultados de los cálculos con doble precisión.
▍SiSoftware Sandra 20/20
Otro paquete universal para diagnosticar y probar computadoras. Le permite conocer en detalle la configuración de hardware y software del servidor y contiene una gran cantidad de puntos de referencia diferentes. Además de computar usando la CPU, Sandra 20/20 es compatible con OpenCL, DirectCompute y CUDA. Estamos principalmente interesados en las pruebas de referencia computacional de referencia de propósito general (GPGPU) que utilizan aceleradores de hardware incluidos en la versión gratuita de
Sandra Lite .
Los resultados son bastante buenos, aunque son ligeramente más bajos de lo esperado para el adaptador de video NVIDIA Quadro P4000. Es probable que la sobrecarga de virtualización se vea afectada.
Sandra 20/20 tiene un conjunto similar de puntos de referencia para la CPU. Ejecútelos para
comparar los resultados con los cálculos de vGPU.
Las ventajas del adaptador de video son claramente visibles, sin embargo, la configuración del paquete de prueba general no es completamente idéntica y en los resultados no se pueden ver los indicadores con el grado de detalle necesario. Decidimos realizar varias pruebas por separado. Primero,
determinamos el rendimiento máximo de vGPU usando un conjunto de cálculos matemáticos simples usando OpenCL.
Este punto de referencia es esencialmente similar al
punto de referencia Sandra multimedia (¡no aritmético!) Para la CPU. A modo de comparación, en el mismo diagrama ponemos el
resultado de la prueba multimedia del procesador central VPS. Incluso una CPU con cuatro núcleos pierde significativamente frente a vGPU.
De las pruebas sintéticas, pasemos a cosas prácticas. Las pruebas criptográficas nos ayudaron a determinar la velocidad de codificación y decodificación de datos. Aquí, una comparación de los resultados para
vGPU y
CPU también mostró una clara ventaja del acelerador.
Otra área de aplicación para vGPU es el análisis financiero. Dichos cálculos no son difíciles de paralelizar, pero para realizarlos, necesita un adaptador de video que admita cálculos con doble precisión. Y nuevamente, los resultados hablan por sí mismos: un
procesador bastante potente pierde la
GPU directamente.
La última prueba que realizamos fue cálculos científicos con alta precisión.
El adaptador de gráficos volvió a funcionar mejor que el
procesador central con multiplicación de matriz, transformación rápida de Fourier y otras tareas similares.
Conclusiones
Las vGPU son poco adecuadas para lanzar editores gráficos, así como aplicaciones para renderizado 3D y procesamiento de video. Los adaptadores para sistemas de escritorio soportan gráficos mucho mejor, pero uno virtual puede realizar cómputo paralelo más rápido que una CPU. Por esto, debo decir gracias a la productiva RAM y a más módulos de lógica aritmética. Recopilación y procesamiento de datos de varios sensores, cálculos analíticos para aplicaciones comerciales, cálculos científicos y de ingeniería, análisis de tráfico y tarifas, trabajo con sistemas comerciales: hay muchas tareas informáticas para las cuales las GPU son indispensables. Por supuesto, puede construir dicho servidor en casa o en la oficina, pero tendrá que pagar una suma considerable por la compra de hardware y la compra de software con licencia. Además de los costos de capital, existen costos operativos para el servicio, incluida la inclusión de las facturas de electricidad. Hay depreciación: el equipo se desgasta con el tiempo y se vuelve obsoleto aún más rápido. Los servidores virtuales no tienen estos inconvenientes: se pueden crear según sea necesario y eliminar cuando desaparece la necesidad de potencia informática. Pagar por los recursos solo cuando se necesitan siempre es beneficioso.