Pada artikel
sebelumnya , ketika kami berbicara tentang layanan
VPS baru kami dengan kartu video, kami tidak menyentuh beberapa aspek menarik menggunakan server virtual dengan adapter video. Sudah waktunya untuk melengkapi pengujian.
Untuk menggunakan adapter video fisik dalam lingkungan virtual, kami memilih teknologi RemoteFX vGPU, yang didukung oleh Microsoft hypervisor. Dalam hal ini, host harus menginstal prosesor dengan dukungan untuk SLAT (EPT dari Intel atau NPT / RVI dari AMD), serta memenuhi persyaratan pencipta kartu grafis Hyper-V. Dalam kasus apa pun sebaiknya Anda membandingkan solusi ini dengan adaptor desktop di mesin fisik, yang biasanya menunjukkan kinerja terbaik saat bekerja dengan grafik. Dalam pengujian kami, vGPU akan bersaing dengan prosesor sentral dari server virtual - cukup logis untuk tugas komputasi. Kami juga mencatat bahwa selain RemoteFX, ada teknologi serupa lainnya, misalnya, NVIDIA Virtual GPU - memungkinkan Anda untuk mentransfer perintah grafis dari setiap mesin virtual langsung ke adaptor tanpa menyiarkannya dengan hypervisor.
Tes
Pengujian menggunakan mesin dengan 4 core komputasi pada 3,4 GHz, 16 GB RAM, solid-state drive (SSD) 100 GB dan adaptor video virtual dengan memori video 512 MB. Kartu grafis NVIDIA Quadro P4000 profesional dipasang di server fisik, dan sistem tamu menjalankan Windows Server 2016 Standard (64-bit) dengan driver video Microsoft Remote FX standar.
▍GeekBench 5
Pertama, mari kita
luncurkan versi utilitas
GeekBench 5 saat ini , yang memungkinkan Anda mengukur kinerja sistem untuk aplikasi OpenCL.
Kami menggunakan tolok ukur ini dalam artikel sebelumnya dan itu hanya mengkonfirmasi yang jelas - vGPU kami lebih lemah dari kartu video desktop yang produktif untuk memecahkan masalah "grafis" yang khas.
▍GPU Caps Viewer 1.43.0.0
Utilitas yang dibuat oleh
Geeks3D tidak dapat disebut sebagai tolok ukur. Itu tidak mengandung tes kinerja, tetapi memungkinkan Anda untuk mendapatkan informasi tentang solusi perangkat keras dan perangkat lunak yang digunakan. Di sini Anda dapat melihat bahwa mesin virtual vGPU kami hanya mendukung OpenCL 1.1 dan tidak mendukung CUDA, terlepas dari adapter video NVIDIA Quadro P4000 yang dipasang di server fisik.
▍FAHBench 2.3.1
Patokan resmi dari proyek komputasi terdistribusi
Folding @ Home didedikasikan untuk memecahkan masalah yang sangat terspesialisasi dalam simulasi komputer tentang koagulasi molekul protein. Ini diperlukan untuk mempelajari penyebab patologi terkait dengan protein yang rusak - penyakit Alzheimer dan Parkinson, penyakit sapi gila, multiple sclerosis, dll. Utilitas
FAHBench tidak dapat secara komprehensif mengevaluasi kekuatan komputasi dari adaptor video virtual, tetapi memungkinkan Anda untuk membandingkan kinerja CPU dan vGPU dalam perhitungan yang kompleks.
Kinerja perhitungan vGPU menggunakan FAHBench menggunakan OpenCL ternyata sekitar 6 kali (untuk metode simulasi implisit, sekitar 10 kali) lebih tinggi daripada indikator serupa untuk prosesor sentral yang cukup kuat.
Selanjutnya, kami menyajikan hasil perhitungan dengan presisi ganda.
▍SiSoftware Sandra 20/20
Paket universal lain untuk mendiagnosis dan menguji komputer. Hal ini memungkinkan Anda untuk mempelajari secara detail konfigurasi perangkat keras dan perangkat lunak server dan berisi sejumlah besar tolok ukur yang berbeda. Selain komputasi menggunakan CPU, Sandra 20/20 mendukung OpenCL, DirectCompute, dan CUDA. Kami terutama tertarik pada tes benchmark komputasional benchmark umum (GPGPU) menggunakan akselerator perangkat keras yang termasuk dalam versi gratis
Sandra Lite .
Hasilnya cukup bagus, meskipun mereka sedikit lebih rendah dari yang diharapkan untuk adapter video NVIDIA Quadro P4000. Overhead virtualisasi kemungkinan akan terpengaruh.
Sandra 20/20 memiliki serangkaian tolok ukur yang serupa untuk CPU. Jalankan mereka untuk
membandingkan hasilnya dengan perhitungan vGPU.
Keuntungan dari adaptor video terlihat jelas, namun, pengaturan paket tes umum tidak sepenuhnya identik, dan dalam hasilnya Anda tidak dapat melihat indikator dengan tingkat detail yang diperlukan. Kami memutuskan untuk melakukan beberapa tes terpisah. Pertama,
kami menentukan kinerja puncak vGPU menggunakan seperangkat perhitungan matematika sederhana menggunakan OpenCL.
Patokan ini pada dasarnya mirip dengan standar Sandra multimedia (bukan aritmatika!) Untuk CPU. Sebagai perbandingan, pada diagram yang sama kami menempatkan
hasil uji multimedia prosesor VPS pusat. Bahkan CPU dengan empat core kehilangan vGPU secara signifikan.
Dari tes sintetik, mari beralih ke hal-hal praktis. Tes kriptografi membantu kami menentukan kecepatan encoding dan decoding data. Di sini, perbandingan hasil untuk
vGPU dan
CPU juga menunjukkan keunggulan yang jelas dari akselerator.
Area aplikasi lain untuk vGPU adalah analisis finansial. Perhitungan semacam itu tidak sulit untuk diparalelkan, tetapi untuk melakukannya, Anda memerlukan adaptor video yang mendukung perhitungan dengan presisi ganda. Dan lagi, hasilnya berbicara sendiri:
prosesor yang cukup kuat kehilangan
GPU .
Tes terakhir yang kami lakukan adalah perhitungan ilmiah dengan akurasi tinggi.
Adaptor grafis sekali lagi diatasi lebih baik daripada
prosesor pusat dengan perkalian matriks, transformasi Fourier cepat dan tugas serupa lainnya.
Kesimpulan
vGPU tidak cocok untuk meluncurkan editor grafis, serta aplikasi untuk rendering 3D dan pemrosesan video. Adaptor untuk sistem desktop mengatasi grafis jauh lebih baik, tetapi yang virtual dapat melakukan komputasi paralel lebih cepat daripada CPU. Untuk ini, saya harus mengucapkan terima kasih kepada RAM yang produktif dan lebih banyak modul aritmatika-logika. Pengumpulan dan pemrosesan data dari berbagai sensor, perhitungan analitik untuk aplikasi bisnis, perhitungan ilmiah dan teknik, analisis lalu lintas dan tarif, bekerja dengan sistem perdagangan - ada banyak tugas komputasi yang mana GPU sangat diperlukan. Tentu saja, Anda dapat membangun server semacam itu di rumah atau di kantor, tetapi Anda harus membayar sejumlah uang untuk pembelian perangkat keras dan pembelian perangkat lunak berlisensi. Selain biaya modal, ada biaya operasi untuk servis, termasuk termasuk tagihan listrik. Ada penyusutan - peralatan habis dipakai seiring waktu, dan menjadi usang bahkan lebih cepat. Server virtual tidak memiliki kelemahan ini: mereka dapat dibuat sesuai kebutuhan dan dihapus ketika kebutuhan daya komputasi menghilang. Membayar sumber daya hanya ketika mereka dibutuhkan selalu bermanfaat.