这个沉重的博客描述了公共云和本地框架中的用例和GPU选项。它还提出了如何正确大小的GPU驱动工作负载VM，使用的工具以及与帧一起使用GPU时要避免的常见错误。
PlayStation 5，RPI，Chromebook，MacBook和Apple iPhone-什么是共同点？
如今，每个现代的最终用户设备都有一个图形处理单元（GPU）一个基于硬件的解码器或两者兼而有之。您会在Chromebook，RPI，Windows Ultrabook，PlayStation 5，Tesla Model S，Apple Watch，Oculus VR Set和最新Android智能手机的技术封面下查看它们时找到它们。但是，为什么在桌面AS-A-Service（DAAS）世界中，为什么GPU和基于硬件的编码器/解码器很重要？
尽管GPU和编码器/解码器最终提供了不同的目的，但这全都是为了提供最佳的图形用户体验，支持DirectX，OpenGL等应用程序API，并将CPU卸载用于编码/解码以优化资源消耗。
这里的目标是为运行的操作系统（例如Windows 10及其Windows应用程序）提供最佳的用户体验，并在通过Nutanix框架，Amazon Workspaces，Citrix虚拟应用程序和台式机等DAAS解决方案（例如DAAS解决方案）上交付的“云工作站”服务，Microsoft Windows虚拟桌面（WVD）和VMware Horizon Cloud。
GPU很热 - 游戏，VR，AI，设计师和Daas
每个技术极客都希望在他们的游戏PC中使用最新，最出色的AMD或NVIDIA GPU。虚拟现实，带有实时射线跟踪功能的GPU以及与基于AI的噪音融合业务和娱乐的统一通信是真实的！加密货币采矿爱好者也经常使用GPU，由于数据，云和GPU的开发，机器和深度学习的最新发展是高空的。
在专业图形的背景下，设计人员知道从Adobe，Autodesk，Siemens，PTC，Dassault Systems等运行工作站应用程序时的GPU值。此外，当前Windows 10操作系统，浏览器，视频会议工具（例如团队和Zoom）以及Microsoft Office 365当物理或虚拟机配备了GPU时，都受益。
gpus -yay！？
那么，为什么还不是使用GPU在全球范围内所有数百万个虚拟桌面和应用程序用户？GPU仅适用于特殊的“云工作站”用例？（提示：否）。他们是否用于使用远程协议来提供可以使用GPU并提供最佳用户体验的虚拟桌面和应用程序？（提示：是）。
现代DAA远程协议，例如Nutanix框架远程桌面协议（FRP），能够使用基于硬件（GPU）的编码，在下载CPU的同时，提供了令人敬畏的用户体验来“在浏览器中运行任何应用程序”。这是利用GPU或VGPU的一个巨大好处，另一个好处是能够支持OpenGL，DirectX和CUDA等应用程序API。
客户经常问：“我的所有应用程序和用例，包括单个任务和知识工作者，我真的需要GPU吗？”
有人说“ GPU4ALL”，但我认为总有一些细微差别。事实是，使用最新AMD和Intel CPU的Windows 10的DAA可以在没有GPU的情况下运行良好。实际上，使用虚拟桌面和应用程序使用仅CPU的配置，有90K+客户部署。
当然，使用共同实践的基础架构和虚拟机器的右派大小至关重要。在此中可以找到有关尺寸的更多见解博客文章。
要问的关键问题是：
- “仅CPU”配置是否提供最佳的用户体验？使用了什么应用程序，它们会从GPU中受益吗？
- 用户体验和成本之间的正确平衡是什么？当前和建议的费用是多少？
- 仅CPU的配置未来是否适用？Windows OS期望“内部GPU”以及越来越多的应用程序，包括Windows，浏览器，Microsoft Teams，Zoom和Microsoft Office都从GPU功能中受益。
CPU，GPU，VGPU，PassThrough GPU-选择什么？框架桌面AS-A-Service解决方案具有几种可用于“云PC”和“ Cloud Workstation”用例的强大处理选项。其中包括仅CPU，NVIDIA Virtual GPU（VGPU又名网格），具有虚拟函数（VF）的AMD GPU（MXGPU）以及来自AMD和NVIDIA的PassThrough GPU选项。
选择最佳GPU选项取决于预期的用户体验，用例，应用程序要求和业务案例。（注意：要了解GPU为何对虚拟台式机和应用程序很重要，请查看此伟大解决方案简介）。
专用和虚拟GPU
让我们深入研究Nutanix框架在公共云和本地都可以使用的GPU选项。从GPU的角度来看，有两个技术方向：
- 专用的GPU
- 虚拟GPU（VGPU）
专用的GPU
专用的GPU也称为GPU“通行”或“ DDA”（离散设备分配）。这意味着虚拟机（VM）具有专用的“完整GPU”。
如果GPU板每个板有多个GPU，则每个VM都可以访问其自己的专用GPU。例如，NVIDIA TESLA M10有四个GPU，这意味着可以在1：1映射中访问四个VM并访问GPU。当GPU板只有一个GPU可用时，可以使用一个VM并使用该GPU。常用的GPU，例如NVIDIA TESLA T4，P40和RTX8000具有强大的GPU，但每个板确实有一个GPU。
公共云中专用的GPU选项
截至今天，基于Microsoft Azure，AWS和Google Cloud的典型实例正在使用专用GPU。常见实例家族是Azure NV（基于NVIDIA），AWS G4（基于AMD和NVIDIA GPU）和GCP（基于NVIDIA）的实例。这些实例都使用专用的“ PassThrough/dda” GPU，基于NVIDIA的实例包括NVIDIA VGPU许可证。这些实例家族中有一些机器具有多个专用GPU，支持高端工作站应用程序，例如Autodesk Vred和实时射线缩放。
这些专用的GPU实例提供了一致和高性能，因为GPU并未与他人共享。GPU框架缓冲区（内存），内核和编码器/解码器都专用于实例。不利的一面是，从基础架构的角度来看，您不能与他人共享GPU，因此可以与其他用户分享运行成本。
总体而言，与本地选项相比，在公共云中，适合DAA的GPU选项和可用的GPU板正在落后。例如，Nvidia VGPU在Azure，AWS，Google Cloud上不可用，而GPU板落后了几年。话虽如此，许多客户将这些实例用于DAA，从而受益于您的付费价格，多个云区域，灵活性在几分钟和几个小时内旋转数百或数千个VM的灵活性，等等。
很高兴注意到Microsoft Azure，AWS和Google Cloud提供了最新一代GPU的访问权限，但是这些实例针对“深度学习”和“计算”，而不是“虚拟化/DAA”，因为它们不包括在内灵活桌面作为服务所需的NVIDIA许可证。
本地部署中专用的GPU选项
在本地的DAA场景中，由于灵活性和可扩展性有限，因此使用专用GPU并不常见。将VGPU与工作站级的GPU配置文件特性一起使用更常见。
在本地部署中的虚拟GPU
“虚拟GPU”一词对不同的人意味着不同的事物。在这种情况下，这意味着虚拟机将接收由低级软件或硬件组件处理的GPU的“切片”。
“切片”，“分区”，或虚拟化GPU可以在软件，硬件或两者的组合中完成，从而导致混合方法。例如，在Nutanix AHV上运行的NVIDIA VGPU Manager软件与SR-IOV结合使用，是混合设置的一个示例。在这种情况下，可以在管理程序（例如，Nutanix AHV）级别，可以由VM使用。
AMD使用的切片技术正在利用SR-IOV，创建用于VM的虚拟功能。诸如应为每个VM提供多少GPU帧缓冲区和GPU核心等问题，以及GPU调度程序配置应超出此博客的范围。关键是要了解VGPU配置文件和虚拟功能的性能和功能，并了解NVIDIA VGPU许可选项。
如果您想了解更多有关NVIDIA VGPU软件许可以及软件提供的功能，则NVIDIA VGPU许可和包装指南是必读的。
公共云中的虚拟GPU选项
此时，公共云中只有一个虚拟GPU选项。此选项可在Microsoft Azure上找到，并由AMD提供动力。Azure NVV4实例家族由AMD Radeon Instinct MI25 GPU和AMD EPYC ROME CPU提供动力。可以在此博客文章中找到更多详细的信息。引入Azure NVV4和Nutanix框架”（请务必在此博客中查看视频；您将在WAN -100ms延迟 - 场景中使用NVV4计算机在操作中看到框架）。不幸的是，Microsoft Azure，AWS或Google Cloud中没有NVIDIA VGPU。但是，Alicloud确实支持NVIDIA VGPU。
用于工具箱的尺寸和GPU工具
重要的是要知道如何使用远程协议，操作系统和应用程序使用GPU。关键是要捕获GPU内核，框架缓冲区和编码器的利用，并在相当长的时间内捕获。有了这些信息，可以启动工作量机器的正确大小。
幸运的是，合作伙伴提供了各种解决方案，可帮助您轻松监视和捕获GPU/应用程序使用情况。示例包括Controlup，，，，液体软件，，，，湖边， 和Uberagent。
除这些解决方案外，还有免费的社区工具，例如RD分析仪，，，，GPU剖面，，，，GPU-Z，以及Windows10和Server2019/2022+中的Windows Performance Monitor
常见的GPU错误和避免它们的技巧
坏消息是有很多可能的错误。好消息是我分享有关如何避免它们的简单提示！
错误：无需任何操作系统和应用程序用法洞察力而调整GPU。
提示：没有用法见解的尺寸就像在黑暗中开车，没有开灯。这是危险而愚蠢的。使用工具获取此数据。错误：使用物理PC或工作站的规格，1：1将它们映射到DAAS Workload VM。
提示：物理资源的利用通常要低得多 - 不适合峰值。同样，使用工具来获取这些利用见解来改善您的尺寸。通常，框架缓冲区是您使用GPU达到的第一个限制。错误：捕获GPU使用一小时是可以的；我很急。
提示：捕获使用时间更长的时间，以确保数据集完成并捕获了足够的信息。错误：期望在VM中有两个GPU时，应用程序的执行速度是两倍。
提示：99％的应用程序不具有多GPU。最好使用现代的最先进的GPU。错误：我购买了Nutanix AHV部署的本地框架Nvidia Tesla GPU-我很高兴！
提示：别忘了正确的NVIDIA VGPU软件许可证，硬件 +软件是这里的完整解决方案。错误：我们对Windows 10并使用NVIDIA VGPU配置文件的1 GB框架缓冲区完全很好。
提示：也许您是，但是您确定吗？当您使用多个监视器，更高的分辨率，当然要求“ Power用户”应用程序的应用程序1 GB的帧缓冲区可能还不够。一个好的起点是：Windows 10具有生产力应用程序的1 GB框架缓冲区；2 GB框架缓冲区用于双监视设置；4 GB VGPU框架缓冲区，用于中等至高端图形。错误：端点设备对用户体验没有影响，因为应用程序实际上正在运行；端点只是显示设备。
提示：端点的功能确实会影响实际的用户体验。硬件解码功能是什么？关于多个监视器和更高分辨率的功能是什么？是否可以在端点上运行最新的浏览器或框架应用程序？错误：公共云中GPU的性能和可用性。当然。没问题。
提示：了解不同的GPU选项和GPU硬件特性，并了解资源和保证容量的可用性并不总是给定的！当您需要这些资源时，请确保在云提供商方面提高您的GPU限制。有时，提高限制可能需要几天或更长时间。
愉快的阅读！
您是否想从Nutanix中阅读有关DAA的更多信息，并发现框架与Amazon，Citrix，Microsoft或VMware有何不同？好吧，请务必检查一下博客呢
作者
