marrakeshh - Fotolia

Diese GPU-Spezifikationen sollten Sie unbedingt kennen

Bei der Auswahl von GPUs sollten Admins sich Rechenleistung, Speicher und Betriebssystem ansehen. Diese Faktoren gewährleisten Hardwarekompatibilität und effektive Leistung im RZ.

Die native Performance ist der herausstechende Vergleichswert für Grafikprozessoren – Graphic Processing Unit, GPU. Einige andere zu berücksichtigende GPU-Spezifikationen umfassen die Anzahl der Cores und des Memorys.

Die GPU-Leistung wird in Billionen von Gleitkommaoperationen pro Sekunde (teraFloating Point Operations per Second – TFLOPS) gemessen. Diese Zahl gibt an, wie viele Berechnungen ein Grafikprozessor in einer Sekunde durchführen kann. Bei 64-Bit-TFLOPS kann eine Consumer-Nvidia GeForce GTX 1080 Ti bis zu 0,355 TFLOPS ausführen, während eine Enterprise-Nvidia Tesla P100 für 4,7 bis 5,3 TFLOPS und das Tesla V100 für 7 bis 7,8 TFLOPS ausgelegt ist.

Es gibt auch GPUs, die 16-Bit TFLOPS verwenden, was eine etwa viermal bessere Leistung als die 64-Bit-Scores ergibt, da diese GPUs nur halb so viel Speicher und Bandbreite verbrauchen wie Double-Precision-GPUs.

Die Anzahl der Kerne ist eine weitere zu berücksichtigende GPU-Spezifikation. Consumer-GPUs verfügen über einen GPU-Chip mit Hunderten von Kernen, während GPUs der Enterprise-Klasse mehr GPU-Chips und Tausende von Kernen für erweiterte Parallelverarbeitungsmöglichkeiten bieten. So stellt beispielsweise die Nvidia Tesla M10 vier GPU-Chips mit 640 Compute Unified Device Architecture Cores pro GPU für insgesamt 2.560 Cores zur Verfügung.

Die Unterschiede in der Architektur zwischen GPU-Modellen und Herstellern machen es schwierig, Cores direkt zu vergleichen. Was bei GPU-Spezifikationen wichtig ist, ist, dass GPUs der Enterprise-Klasse mehr Kerne haben und eine viel größere Parallelität ermöglichen.

Außerdem müssen IT-Verantwortliche den Grafikspeicher und die Speicherbandbreite bewerten. GPUs der Enterprise-Klasse verfügen im Vergleich zu GPUs, die auf dem Consumer-Markt verkauft werden, über einen schnelleren Grafikspeicher – wie zum Beispiel GDDR5 – und unterstützen RAM mit niedriger Latenz. Die Speicher-Hardware verwendet eine höhere Speicherbandbreite, um Verarbeitungsengpässe zu vermeiden.

Überlegungen über die GPU-Spezifikationen hinaus

Die Art und Weise, wie GPUs auf einem Server installiert werden, beeinflusst auch die Leistung. PCIe-Schnittstellen, bei denen die GPU eine Erweiterungskarte ist, bieten eine breite Kompatibilität zwischen jedem Server mit PCIe-Steckplatz. Sie decken auch den physischen Speicherplatz und die Stromversorgung ab, die für die Unterstützung einer großen Karte benötigt werden, sind aber auf eine Spitzenbandbreite von etwa 16 GBit/s beschränkt. Eine dedizierte Verbindungsstruktur wie Nvidia NVLink kann bi-direktionale Daten mit bis zu 300 GB/s zwischen GPUs oder CPUs übertragen.

Achten Sie auch auf die Unterstützung des GPU-Betriebssystems. Nvidia verfügt nicht über GeForce-Treiber für Windows-Server-Versionen. Das bedeutet, dass andere Unternehmens-GPU-Produkte, wie Nvidia Tesla und Quadro-GPUs, mit Windows Server verwendet werden müssen. Linux-Treiber sind für alle Nvidia-GPUs verfügbar.

Achten Sie darauf, dass Sie die Kompatibilität der Anwendungen überprüfen. Es ist möglich, eine optimierte Anwendung auf anderen GPUs auszuführen, aber sie hat möglicherweise nicht die bestmögliche Leistung, und einige Anwendungen laufen überhaupt nicht, wenn sie nicht für GPU-Hardware codiert sind.

Nächste Schritte

GPUs werden für den Einsatz in VDI-Umgebungen wichtiger

Machine Learning kann durch GPU Cloud Tools vereinfacht werden

Software-defined Data Center: GPUs und FPGAs bringen die Performance auf Hochtouren

Erfahren Sie mehr über Data-Center-Infrastruktur

- GOOGLE-ANZEIGEN

ComputerWeekly.de

Close