虚拟桌面GPU卡:AMD与Nvidia比较

云计算 虚拟化
云计算供应商正在投资于不同供应商的基于GPU的功能,因此企业应尝试了解AMD和Nvidia产品之间的区别。

云计算供应商正在投资于不同供应商的基于GPU的功能,因此企业应尝试了解AMD和Nvidia产品之间的区别。

在Microsoft Ignite 2019大会上,微软透露其正在与半导体供应商AMD合作,以在基于AMD GPU的Azure上提供一组新的虚拟机。

仅在Azure中,微软现在就有7种不同的虚拟机实例类型,这些实例类型具有AMD和Nvidia的不同GPU卡。亚马逊和谷歌的云服务也有大致相同的选项数量。

IT部门应该了解AMD与Nvidia的技术差异,以及它们最适合哪种工作负载。

[[330983]]

不同的GPU产品如何工作?

从虚拟化的角度来看,基于GPU的产品主要针对远程可视化和编码。这些产品为远程最终用户提供基于GPU的桌面或应用程序。

AMD和Nvidia一直在开发GPU卡,专门适用于AI以及基于深度学习的工作负载,例如流行的机器学习引擎Tensorflow。这些GPU也非常适合于硬件,以加速基于现代高性能计算的产品中的计算工作负载。

对于传统虚拟机管理程序上的远程可视化工作负载,可以使用以下三个选项为虚拟机提供GPU功能:

直通。通过虚拟机管理程序将物理GPU卡直接映射到虚拟机。使用此方法的技术包括VMware DirectPath I / O、XenServer GPU Passthrough和Hyper-V Discrete Device Assignment。 虚拟共享图形。

基于虚拟机管理程序共享GPU到虚拟机。使用此方法的技术包括VMware vSGA和Hyper-v RemoteFX vGPU中的先前功能。

虚拟GPU(vGPU)。基于GPU的虚拟化,将虚拟GPU配置文件附加到每个虚拟机。使用此方法的技术包括Nvidia vGPU和AMD MxGPU。

这三种交付模型之间的主要区别在于规模和与虚拟机的不同GPU功能的兼容性。

直通模式提供完全的图形兼容性,这意味着最终用户可以访问GPU的全部功能。但是,由于GPU卡已锁定到一台虚拟机,因此这种方法无法提供扩展性。

这也可能意味着资源没有得到最有效的利用。企业通常将直通模式用于特定工作负载,它们需要更多专用容量。

通过第二个共享vGPU的选项,GPU容量被分为多个虚拟化实例,这些实例可以连接到多个虚拟机。vGPU方法也提供全部功能,并且,它可以确保每个虚拟机都可以访问一定数量的基础GPU资源。

第三种选择是常规vGPU,它是可视化工作负载的最常见部署模型。例如,IT部门可以运行Citrix Virtual Apps和Desktop或VMware Horizo​​n,以向多个最终用户提供GPU功能。

AMD与Nvidia的vGPU产品比较

AMD和Nvidia均提供基于vGPU的产品,但他们的交付模型有所不同,企业在选择供应商之前必须了解他们之间的差异。

Nvidia的vGPU产品基于在虚拟机管理程序中安装主机驱动程序,该程序将虚拟图形卡分配给来宾VM。而AMD的MxGPU产品是完全基于硬件的方法,基于被称为单根输入/输出虚拟化(SR-IOV)的硬件功能。

这两家厂商在硬件方面也采取不同的方法。Nvidia在其GPU中部署Timeshare Scheduling(分时调度)。这意味着访问GPU的每个用户都可以访问GPU上的所有物理核心,以进行时间分段。另一方面,AMD将一部分GPU内核直接分配给每台计算机。

Nvidia的方法适用于这样的情况:所有用户始终不需要完全访问GPU。这种方法允许用户以较少的摩擦来共享资源。Nvidia的架构还允许实时迁移运行vGPU的虚拟机,这是AMD的MxGPU无法实现的功能,但是此功能需要付出一定的代价。

在发布vGPU产品数年后,Nvidia公司改变了销售模式,要求在其GPU卡上需要软件许可。除Nvidia硬件外,客户还需要购买许可证才能访问软件升级并激活vGPU功能。

另一方面,AMD不需要客户购买任何其他许可证来激活其MxGPU产品。此外,MxGPU产品基于硬件,因此允许客户在不同的云提供商之上提供虚拟化的图形。

AMD MxGPU实例现可在Microsoft Azure中使用,当Amazon AppStream上选择基于GPU的VDI时,这些实例是默认选项之一。

Nvidia在主要的云提供商(例如Amazon、Google Cloud、Azure甚至Oracle Cloud)中仍然占有较大的份额。但是,这仅在带有专用GPU卡的虚拟机上,其成本要比AMD产品高得多–根据使用情况。

很多最受欢迎的虚拟化产品都提供库,可用于机器学习、深度学习甚至统计工作负载,这些工作负载具有内置支持—针对计算统一设备架构模型。该模型仅在NVIDIA GPU卡上可用。

AMD与Nvidia的比较:总结

在过去的几年中,Nvidia和AMD都在发展,并且各有优缺点。尽管在公共云市场上AMD的知名度一直较低,但随着更多云供应商正在部署其MxGPU产品,他们已经具备了良好的发展动力。

对于本地或云托管台式机,基于MxGPU的台式机始终比Nvidia的GPU便宜。但是,如果企业希望获得最佳性能并可能希望支持机器学习或其他高性能工作负载,则应该考虑使用Nvidia。

 

责任编辑:赵宁宁 来源: TechTarget中国
相关推荐

2018-02-01 14:02:48

虚拟化

2013-11-15 09:51:21

云端渲染NVIDIA

2013-09-03 18:07:49

GPU虚拟化华为NVIDIA

2011-05-20 14:56:14

AMD服务器图形卡

2018-05-30 14:33:22

挖矿红利GPU

2012-07-18 09:23:42

桌面虚拟化

2020-03-25 14:24:03

NVIDIA

2016-08-29 20:43:00

NvidiaIntel

2019-08-21 09:24:45

GPUCPU深度学习

2018-08-23 19:48:40

NVIDIA

2017-11-09 11:03:06

AMDIntelNVIDIA

2012-06-29 14:54:29

虚拟桌面物理桌面

2018-08-30 15:32:32

NVIDIAGPU显卡

2020-03-27 17:23:24

NVIDIA

2017-05-02 09:11:42

IntelNVIDIAAMD

2009-04-28 09:02:48

微软Windows 7操作系统

2012-05-28 09:24:49

虚拟化

2010-08-26 14:03:52

桌面虚拟化虚拟化工具

2021-03-05 15:50:25

开发技能代码

2010-08-19 10:31:01

GPU
点赞
收藏

51CTO技术栈公众号