De grafische verwerkingseenheid (GPU) is geëvolueerd van silicium waar alleen gamers om gaven naar iets dat nu veel wordt gebruikt voor het versnellen van energie-intensieve toepassingen. GPU's zijn nu belangrijk voor machine learning, ontwerp en visualisatie en data-analyse. Een van de uitdagingen voor veel organisaties is de toegankelijkheid van GPU-compatibele systemen, omdat de initiële kosten behoorlijk hoog kunnen zijn en veel organisaties niet over de technische vaardigheden beschikken om de hardware en software te implementeren die nodig is om de technologie volledig te benutten.
Vanwege de pandemie is er ook een trend geweest naar werken op afstand, die nu is geëvolueerd naar veel bedrijven met werknemers die permanent thuis werken. Dit is vrij eenvoudig voor kenniswerkers, callcentermedewerkers, verkopers en anderen die met software werken. Maar voor datawetenschappers, grafisch ontwerpers, ingenieurs en anderen die toegang nodig hebben tot GPU-compatibele systemen, betekent werken op afstand geen toegang tot de systemen die ze nodig hebben om hun werk te doen.
Om organisaties te helpen bij het verkrijgen van externe toegang tot GPU-compatibele systemen, tegen lagere kosten en met minder complexiteit, is NVIDIA een partnerschap aangegaan met de grote cloudproviders om cloudgebaseerde virtuele werkstations aan te bieden. Dit is met name belangrijk geworden sinds het begin van de pandemie, omdat IT-professionals, datawetenschappers en anderen die toegang tot GPU-systemen nodig hebben, nu vanuit huis werken en niet gemakkelijk verbinding kunnen maken met de systemen op het bedrijfsterrein. NVIDIA heeft klanten geholpen bij het maken van deze overgang door gratis proeflicenties voor virtuele GPU (vGPU) aan te bieden om aan de slag te gaan.
Er wordt gewerkt aan virtuele werkstations
Historisch gezien presteerden virtuele werkstations niet zo goed als de fysieke, maar dat kwam omdat GPU's geen deel uitmaakten van de mix. Klanten die VDI inzetten in on-premises datacenters hebben toegang tot GPU-versnelde prestaties met NVIDIA's vGPU-technologie. NVIDIA vGPU omvat zowel een NVIDIA GPU als een NVIDIA vGPU-softwarelicentie. De NVIDIA A40 GPU heeft 48 GB framebuffer en ondersteunt NVIDIA RTX-technologie – een van NVIDIA's belangrijkste ontwikkelingen op het gebied van computergraphics – waardoor creatieve en technische professionals de fysieke wereld met ongekende snelheden kunnen simuleren.
Met de A40 in combinatie met NVIDIA RTX Virtual Workstation (vWS)-software, kunnen externe werknemers prestaties ervaren die niet te onderscheiden zijn van een fysiek werkstation dat u op het bureau van een technicus zou kunnen vinden. Voor kenniswerkers die toegang hebben tot toepassingen voor kantoorproductiviteit, is NVIDIA Virtual PC (vPC)-software in combinatie met NVIDIA A16 GPU's ontworpen om de gebruikersdichtheid per GPU te maximaliseren en de gebruikerservaring van de hoogste kwaliteit te leveren. Door NVIDIA's vGPU-software, zoals NVIDIA vWS of vPC, te koppelen aan NVIDIA GPU's, creëren we vGPU's die door meerdere gebruikers kunnen worden gedeeld.
Om een idee te krijgen van hoe effectief vGPU's zijn, heb ik onlangs verschillende scenario's uitgevoerd om de vGPU te testen en deze te vergelijken met systemen met alleen CPU. Het systeem dat ik heb getest, was de NVIDIA A16 Ampere-kaart met NVIDIA Virtual PC (vPC) -software; vervolgens is de A40 gekoppeld aan NVIDIA RTX vWS-software. Ten slotte vergeleek ik identieke workloads op CPU-only systemen.
Hier volgen de resultaten:
Gebruik case nr. 1: OpenGL met NVIDIA vPC
Open Graphics Library, beter bekend als OpenGL, is een processorintensieve API om 2D- en 3D-vectorafbeeldingen weer te geven. Om te testen hoe dit werkte GPU versnelde, ging ik naar een OpenGL-website en merkte dat het erg snel en soepel laadde. De site had een aantal ingebouwde animaties en toen ik klikte om er een te starten, begonnen ze bijna onmiddellijk en bleven ze soepel draaien. Naarmate ik meer animaties toevoegde, was er meer beweging over het scherm zonder kwaliteitsverlies. Toen ik de animaties alleen met CPU's uitvoerde, hoe meer animaties ik toevoegde, hoe slechter de kwaliteit tot het punt waarop de graphics nauwelijks bewogen. In plaats van vloeiend te zijn zoals de vGPU, was de animatie pijnlijk traag.
Gebruik case nr. 2: YouTube in een virtuele desktop versneld door NVIDIA vPC
Ik ging toen verder met het uitvoeren van een YouTube-video op een virtuele desktop om te zien of het afspelen van de video de verwerkingscapaciteit zou beïnvloeden, en dat was niet het geval. Een ander opmerkelijk punt is dat het geluid en de video synchroon bleven met de video zonder vervaging. Wanneer een processor met alleen CPU wordt belast, zouden de spraak en video snel niet meer synchroon lopen en vervolgens gaan bufferen. Het prestatieverschil was niet zo dramatisch als het gebruik van OpenGL, maar het was merkbaar slechter op het niet-GPU-systeem.
Gebruik case nr. 3: grote Microsoft Excel-manipulatie op NVIDIA vPC
De volgende test was om een groot Excel-bestand te openen, een 3D-diagram in te voegen en het vervolgens te draaien om de gegevens in een grafisch formaat te bekijken. Ik kon de grafiek heen en weer draaien en de gegevens vanuit een aantal verschillende weergaven visualiseren. Met een CPU-only systeem was de 3D-kaart lang niet zo wendbaar om te bewegen. Na een paar minuten maakte de tijd die nodig was om de grafische inhaalslag te maken de kaartmanipulatie onbruikbaar.
Gebruik case nr. 4: SolidWorks Visualize versneld door NVIDIA RTX vWS
Om de nieuwe A40 een goede proefrit te geven, heb ik een SolidWorks-bestand geladen. Ik heb de afbeelding van een motorfiets geladen. Vervolgens heb ik een aantal taken uitgevoerd, zoals het beeld draaien en in- en uitzoomen. SolidWorks maakt gebruik van ray tracing met quick set rendering om de afbeelding opnieuw te tekenen. Ik ging toen verder met het veranderen van verfkleuren, texturen en andere attributen van de fiets en zag geen verslechtering van de prestaties. Ten slotte heb ik de achtergrondscènes veranderd van overwegend zwart naar bergen, een oud pakhuis en andere grafisch intensieve afbeeldingen. Nogmaals, de prestaties bleven constant. Wat het meest indrukwekkend was, was dat het beeld zeer levensecht was en dat je een weerspiegeling van de fiets op de natte vloer en andere dingen kon zien om het fotorealistisch te maken. Een van de voordelen van het gebruik van SolidWorks is dat de tool op tijd wat gegevens levert om de afbeelding opnieuw te renderen. Voor de vGPU was dit amper een seconde of twee.
Ik heb dezelfde simulaties uitgevoerd met een systeem met alleen CPU en de tijd om te renderen sprong naar 30 seconden of meer. Het was erg moeilijk om de afbeelding te pannen, zoomen of roteren omdat het zo lang duurde om de fiets opnieuw te tekenen. Hetzelfde gold voor elke kleurverandering, textuur of achtergrond.
NVIDIA RTX virtuele werkstations in de cloud zijn een geweldige manier voor bedrijven om aan de slag te gaan met versneld computergebruik, omdat de instapkosten nominaal zijn in vergelijking met de aanschaf van afzonderlijke fysieke werkstations. Zodra het gebruik een bepaald volume bereikt, kan het zinvol zijn om NVIDIA virtuele GPU-softwarelicenties aan te schaffen en deze on-premises uit te voeren op GPU-versnelde servers.
Nu de wereld overgaat op werken op afstand, kunnen vGPU's de norm worden.
pc's | Servers | Opslag | Netwerken | Datacenters