Análise do Desempenho
Agora nós queríamos ver o que estávamos obtendo em termos de pontuação no Folding@Home rodando esses micros para fazermos algumas análises preliminares para vermos quais eram as configurações mais eficientes que tínhamos rodando. WU significa unidade de trabalho (Work Unit, estamos usando a mesma nomenclatura usada no Folding@Home para facilitar). Projeto é o número do projeto Folding@Home que cada cliente estava executando no momento em que coletamos nossos dados, que nos dirá a quantidade de pontos que nos será dada por cada unidade de trabalho entregue (clique aqui para ver a tabela completa). Nós colocamos a quantidade de pontos dada para cada WU completada entre parênteses. O desempenho máximo diário é calculado dividindo 86.400 (número de segundos em um dia) pelo tempo para completar uma unidade de trabalho e o resultado multiplicado pela quantidade de pontos dada para cada unidade de trabalho completada para aquele projeto.
Nossa métrica para medir a eficiência será pontos/kWh, que é calculado dividindo o desempenho mensal máximo pelo consumo mensal em kWh. Este índice indica quantos pontos cada micro produz para cada kWh consumido da rede elétrica. Portanto quanto maior este número, melhor.
Sistema # |
Cliente |
Projeto(Pontos) |
Tempo para Completar Uma WU (segundos) |
Desempenho Máx. Diário (Pontos) |
Desempenho Máx. Mensal (Pontos) |
Pontos/kWh |
1 |
SMP |
5101 (2.165) |
66.000 |
2.834 |
85.020 |
976 |
2 |
SMP |
2665 (1.920) |
150.000 |
1.106 |
33.180 |
249 |
2 |
GPU |
5800 (480) |
5.800 |
7.150 |
214.500 |
1.307 |
2 |
GPU + SMP |
Acima |
150.000 (CPU), 8.700 (GPU) |
5.873 |
176.190 |
1.211 |
3 |
SMP |
2653 (1760) |
84.100 |
1.808 |
54.240 |
384 |
3 |
GPU |
5014 (480) |
10.300 |
4.026 |
120.780 |
981 |
3 |
GPU + SMP |
Acima |
84.100 (CPU), 15.400 (GPU) |
4.501 |
135.030 |
880 |
4 |
GPU |
5651 (388) |
14.300 (HD 4850), 14.000 (HD 4870) |
2344 + 2394 = 4.738 |
142.140 |
459 |
5 |
SMP |
2665 (1.920) |
79.500 |
2.087 |
62.610 |
260 |
5 |
GPU |
5013 (480) |
8.200 (GTX 280), 8.100 (8800 GT), 8.500 (8800 GT) |
5.057 + 5.120 + 4.879 = 15.056 |
451.680 |
1.422 |
5 |
GPU + SMP |
Acima |
79.500 (CPU), 8.200 (GTX 280), 8.100 (8800 GT), 8.500 (8800 GT) |
17.143 |
514.290 |
1.526 |
6 |
PS3 |
5310 (110) |
26.100 |
364 |
10.920 |
116 |
Você precisa entender algo muito importante sobre o sistema de pontuação do Folding@Home. Enquanto que as unidades de trabalho atribuídas para placas de vídeo baseadas nos chips da NVIDIA quase sempre lhe darão 480 pontos, a quantidade de pontos dada para unidades de trabalho processadas pelas placas de vídeo da ATI e pelo console Playstation 3 pode variar muito. Os resultados acima são baseados no projeto que cada programa cliente estava rodando na hora que fizemos os testes e não reflete as melhores pontuações que os sistemas ATI e PS3 podem obter. Nossas placas de vídeo baseadas nos chips da ATI estavam processando uma unidade de trabalho que dava 388 pontos, mas existem unidades de trabalho que dão 548 pontos. Nosso PS3 estava processando uma unidade de trabalho que dá 110 pontos, mas existem unidades de trabalho que dão 330 pontos. O tempo para completar essas unidades que dão mais pontos pode ser maior. Como um exercício, nós compilamos a tabela abaixo para os micros quatro (ATI) e seis (PS3) como se eles estivessem processando esses outros tipos de unidades de trabalho que dão mais pontos. Nós estamos fazendo isso para não sermos acusados de parcialidade ou alguém apontar esta falha em potencial em nossa metodologia. Para este exercício nós consideraremos que os programas clientes irão processar cada unidade de trabalho com o mesmo desempenho, que pode não ser verdade no mundo real.
Sistema # |
Cliente |
Projeto(Pontos) |
Tempo para Completar Uma WU(segundos) |
Desempenho Máx. Diário (Pontos) |
Desempenho Máx. Mensal (Pontos) |
Pontos/kWh |
4 |
GPU |
4743 (548) |
14.300 (HD 4850), 14.000 (HD 4870) |
3.311 + 3.382 = 6.693 |
200.790 |
648 |
6 |
PS3 |
5305 (330) |
26.100 |
1.092 |
32.760 |
347 |
Como você pode ver, mesmo simulando o melhor desempenho que esses sistemas podem obter, tanto o desempenho quanto a eficiência estavam em níveis abaixo dos outros sistemas.
Dos resultados acima nós aprendemos coisas interessantes sobre nossos sistemas:
- Nosso Playstation 3 obteve o menor índice de eficiência (embora em nossa simulação acima ele foi mais eficiente do que sistemas rodando apenas o programa SMP cliente, se ele pudesse processar apenas unidades de trabalho que dão 330 pontos, o que não é verdade), significando que nós estávamos gastando muito energia para produzir poucos pontos se comparado com outros sistemas.
- O sistema número cinco foi o mais caro para funcionar, mas também foi o mais eficiente, o que significa que ele poderia produzir mais pontos por kWh. Neste sistema valeu a pena rodar o programa cliente SMP ao mesmo tempo já que nosso pontuação e índice pontos/kWh aumentou.
- Nos sistemas dois e três não valeu a pena rodar o programa cliente SMP ao mesmo tempo com o cliente GPU: o índice pontos/kWh caiu quando fizemos isso.
- O sistema quatro, que tinha duas placas de vídeo ATI topo de linha, obteve um índice pontos/kWh muito baixo. Este foi o primeiro sistema que decidimos desligar: ele estava gastando muita energia para produzir resultados pífios.
Agora nós estávamos curiosos para ver se usássemos placas de vídeo intermediárias ou simples obteríamos melhores relações desempenho/energia. Para fazer isso nós testamos todas as placas de vídeo que tínhamos disponíveis em nosso laboratório.
Respostas recomendadas
Crie uma conta ou entre para comentar
Você precisa ser um usuário para fazer um comentário
Criar uma conta
Crie uma nova conta em nossa comunidade. É fácil!
Crie uma nova contaEntrar
Já tem uma conta? Faça o login.
Entrar agora