Im
vorherigen Artikel haben wir, als wir über unseren neuen
VPS- Dienst mit einer Videokarte sprachen, einige interessante Aspekte der Verwendung virtueller Server mit Videoadaptern nicht angesprochen. Es ist Zeit, die Tests zu ergänzen.
Um physische Videoadapter in virtuellen Umgebungen zu verwenden, haben wir die RemoteFX vGPU-Technologie ausgewählt, die vom Microsoft-Hypervisor unterstützt wird. In diesem Fall muss auf dem Host ein Prozessor installiert sein, der SLAT unterstützt (EPT von Intel oder NPT / RVI von AMD) und die Anforderungen der Hersteller von Hyper-V-Grafikkarten erfüllt. In keinem Fall sollten Sie diese Lösung mit Desktop-Adaptern in physischen Computern vergleichen, die normalerweise die beste Leistung bei der Arbeit mit Grafiken erzielen. In unseren Tests wird vGPU mit dem Zentralprozessor des virtuellen Servers konkurrieren - dies ist für Rechenaufgaben sehr logisch. Wir stellen außerdem fest, dass es neben RemoteFX auch andere ähnliche Technologien gibt, z. B. die virtuelle NVIDIA-GPU. Mit ihr können Sie Grafikbefehle jeder virtuellen Maschine direkt auf den Adapter übertragen, ohne sie vom Hypervisor zu senden.
Tests
Bei den Tests wurde ein Computer mit 4 Rechenkernen bei 3,4 GHz, 16 GB RAM, einem 100-GB-Solid-State-Drive (SSD) und einem virtuellen Videoadapter mit 512 MB Videospeicher verwendet. Auf dem physischen Server sind professionelle NVIDIA Quadro P4000-Grafikkarten installiert, und auf dem Gastsystem wird Windows Server 2016 Standard (64-Bit) mit dem standardmäßigen Microsoft Remote FX-Grafiktreiber ausgeführt.
▍GeekBench 5
Lassen Sie uns zunächst
die aktuelle Version des
GeekBench 5- Dienstprogramms
starten , mit dem Sie die Systemleistung für OpenCL-Anwendungen messen können.
Wir haben diesen Benchmark in einem früheren Artikel verwendet und er hat nur das Offensichtliche bestätigt: Unsere vGPU ist schwächer als produktive Desktop-Grafikkarten, um typische Grafikprobleme zu lösen.
▍GPU Caps Viewer 1.43.0.0
Das von
Geeks3D erstellte
Dienstprogramm kann nicht als Benchmark bezeichnet werden. Es enthält keine Leistungstests, bietet jedoch die Möglichkeit, Informationen zu den verwendeten Hardware- und Softwarelösungen abzurufen. Hier sehen Sie, dass unsere virtuelle vGPU-Maschine nur OpenCL 1.1 und CUDA nicht unterstützt, obwohl der NVIDIA Quadro P4000-Grafikadapter auf dem physischen Server installiert ist.
▍FAHBench 2.3.1
Der offizielle Benchmark des
Folding @ Home Distributed Computing-Projekts ist der Lösung des hochspezialisierten Problems der Computersimulation der Koagulation von Proteinmolekülen gewidmet. Dies ist notwendig, um die Ursachen von Pathologien zu untersuchen, die mit defekten Proteinen verbunden sind - Alzheimer und Parkinson, Rinderwahnsinn, Multiple Sklerose usw. Das Dienstprogramm
FAHBench kann die Rechenleistung eines virtuellen
Videoadapters nicht umfassend bewerten, ermöglicht jedoch den Vergleich der Leistung von CPU und vGPU in komplexen Berechnungen.
Die Leistung von vGPU-Berechnungen unter Verwendung von FAHBench unter Verwendung von OpenCL erwies sich als ungefähr 6-mal höher (für die implizite Simulationsmethode ungefähr 10-mal) als ähnliche Indikatoren für einen ziemlich leistungsfähigen Zentralprozessor.
Als nächstes präsentieren wir die Ergebnisse von Berechnungen mit doppelter Genauigkeit.
▍SiSoftware Sandra 20/20
Ein weiteres universelles Paket zum Diagnostizieren und Testen von Computern. Es ermöglicht Ihnen, die Hardware- und Softwarekonfiguration des Servers im Detail zu lernen und enthält eine Vielzahl verschiedener Benchmarks. Sandra 20/20 unterstützt nicht nur die CPU, sondern auch OpenCL, DirectCompute und CUDA. Uns interessiert in erster Linie der Allzweck-Benchmark-Computational-Benchmark-Test (GPGPU) mit Hardware-Beschleunigern, die in der kostenlosen Version von
Sandra Lite enthalten sind .
Die Ergebnisse sind ziemlich gut, obwohl sie für den NVIDIA Quadro P4000-Grafikadapter etwas niedriger sind als erwartet. Der Virtualisierungsaufwand ist wahrscheinlich betroffen.
Sandra 20/20 hat ähnliche Benchmarks für die CPU. Führen Sie sie aus,
um die Ergebnisse mit vGPU-Berechnungen zu
vergleichen .
Die Vorteile des Videoadapters sind klar erkennbar, die Einstellungen des allgemeinen Testpakets sind jedoch nicht vollständig identisch, außerdem können die Ergebnisse die Indikatoren nicht mit dem erforderlichen Detaillierungsgrad anzeigen. Wir beschlossen, mehrere separate Tests durchzuführen. Zunächst
bestimmten wir die Spitzenleistung von vGPU mithilfe einer Reihe einfacher mathematischer Berechnungen mit OpenCL.
Dieser Benchmark ähnelt im Wesentlichen dem Sandra Multimedia (nicht arithmetisch!)
Benchmark für die CPU. Zum Vergleich haben wir auf dem gleichen Diagramm das
Ergebnis des Multimediatests des Zentralprozessors VPS aufgetragen. Selbst eine CPU mit vier Kernen verliert erheblich an vGPU.
Gehen wir von synthetischen Tests zu praktischen Dingen über. Mithilfe von Kryptografietests konnten wir die Geschwindigkeit der Kodierung und Dekodierung von Daten ermitteln. Auch hier zeigte ein Vergleich der Ergebnisse für
vGPU und
CPU einen deutlichen Vorteil des Beschleunigers.
Ein weiteres Anwendungsgebiet für vGPU ist die Finanzanalyse. Solche Berechnungen sind nicht schwer zu parallelisieren, aber um sie durchzuführen, benötigen Sie einen Videoadapter, der Berechnungen mit doppelter Genauigkeit unterstützt. Auch hier sprechen die Ergebnisse für sich: Ein recht leistungsfähiger
Prozessor verliert die
GPU sofort.
Der letzte von uns durchgeführte Test bestand aus wissenschaftlichen Berechnungen mit hoher Genauigkeit.
Der Grafikadapter kam mit Matrixmultiplikation, schneller Fourier-Transformation und ähnlichen Aufgaben wieder besser zurecht als der
Zentralprozessor .
Schlussfolgerungen
vGPUs eignen sich schlecht zum Starten von Grafikeditoren sowie von Anwendungen für 3D-Rendering und Videoverarbeitung. Adapter für Desktop-Systeme kommen mit Grafiken viel besser zurecht, aber ein virtueller kann parallele Berechnungen schneller ausführen als eine CPU. Dafür muss ich mich bei dem produktiven RAM und den mehr arithmetisch-logischen Modulen bedanken. Datenerfassung und -verarbeitung von verschiedenen Sensoren, analytische Berechnungen für Geschäftsanwendungen, wissenschaftliche und technische Berechnungen, Verkehrsanalyse und Tarifierung, Arbeit mit Handelssystemen - es gibt viele Rechenaufgaben, für die GPUs unverzichtbar sind. Natürlich können Sie einen solchen Server zu Hause oder im Büro aufbauen, aber Sie müssen eine ordentliche Summe für den Kauf von Hardware und den Kauf von lizenzierter Software bezahlen. Neben den Kapitalkosten fallen Betriebskosten für die Wartung einschließlich Stromrechnungen an. Es gibt eine Wertminderung - die Ausrüstung nutzt sich mit der Zeit ab und ist noch schneller überholt. Virtuelle Server haben diese Nachteile nicht: Sie können nach Bedarf erstellt und gelöscht werden, wenn der Bedarf an Rechenleistung verschwindet. Es ist immer vorteilhaft, Ressourcen nur dann zu bezahlen, wenn sie gebraucht werden.