Testergebnisse

Es wurden Tests durchgeführt, um zu untersuchen, wie sich unterschiedliche Hardwareoptionen auf die Performance des Bearbeitungs-Workflows und die User Experience auswirken. Desktops wurden überwacht, während Workflows unter Last ausgeführt wurden.

Skripttests wurden durchgeführt, um die Schritte zu simulieren, die ein Editor beim Ausführen der definierten Workflows ausführt. Um aussagekräftige Ergebnisse zu gewinnen, wurde die gesamte Systemhardware und -konfiguration (mit Ausnahme der zu testenden Desktop-Instanzen) konstant gehalten.

Nach Abschluss des Tests wurden die Ergebnisse zusammengestellt und analysiert, um die Desktop-Auslastung und die Effizienz der Endbenutzer mit verschiedenen Hardwarekonfigurationen zu vergleichen.

Auswirkungen der GPU-Konfiguration auf die Desktop-Bearbeitungs-Workflows

Die folgenden Client-Konfigurationen wurden verwendet, um die Auswirkungen einer GPU auf die Performance und die User Experience der Bearbeitungs-Workflows in ArcGIS Pro zu vergleichen:

• Eine Amazon EC2 R5XL-Instanz (keine GPU)
• Eine Amazon EC2 G4DNXL-Instanz (GPU-fähig)

Für jede Instanzkonfiguration (ohne GPU und mit GPU) gibt es unter jedem Workflow zwei Sätze zusammengefasster Ergebnisse.

Erstellen eines Service

In diesem Workflow wurde dem Netz ein neuer Endpunkt für die Gasversorgung hinzugefügt.

1. Ohne GPU
   • ArcGIS Pro 3.1 – Amazon EC2 R5XL-Instanz (2 CPUs/4 vCPUs, 32 GB RAM)
   • Dauer des Workflows: 9,7 Minuten
   • Durchschnittliche CPU-Auslastung: 48 %
   • Durchschnittliche Speicherauslastung: 8 GB
2. Mit GPU
   • ArcGIS Pro 3.1 – Amazon EC2 G4DNXL-Instanz (2 CPUs/4vCPUs, 16 GB RAM, 16 GB GPU)
   • Dauer des Workflows: 8,5 Minuten – reduziert um 1,2 Minuten (12 %)
   • Durchschnittliche CPU-Auslastung: 38 % – reduziert um 21 %
   • Durchschnittliche Speicherauslastung: 6,7 GB – reduziert um 16 %

Entfernen eines Service

In diesem Workflow wurde ein neuer Endpunkt für die Gasversorgung aus dem Netz entfernt.

1. Ohne GPU
   • ArcGIS Pro 3.1 – Amazon EC2 R5XL-Instanz (2 CPUs/4 vCPUs, 32 GB RAM)
   • Dauer des Workflows: 11,7 Minuten
   • Durchschnittliche CPU-Auslastung: 58 %
   • Durchschnittliche Speicherauslastung: 8,1 GB
2. Mit GPU
   • ArcGIS Pro 3.1 – Amazon EC2 G4DNXL-Instanz (2 CPUs/4vCPUs, 16 GB RAM, 16 GB GPU)
   • Dauer des Workflows: 9,0 Minuten – reduziert um 2,7 Minuten (23 %)
   • Durchschnittliche CPU-Auslastung: 45 % – reduziert um 22 %
   • Durchschnittliche Speicherauslastung: 6,8 GB – reduziert um 16 %

Verlängern einer Hauptleitung

In diesem Workflow wurde dem Netz eine Verteilerleitung hinzugefügt.

1. Ohne GPU
   • ArcGIS Pro 3.1 – Amazon EC2 R5XL-Instanz (2 CPUs/4 vCPUs, 32 GB RAM)
   • Dauer des Workflows: 10,0 Minuten
   • Durchschnittliche CPU-Auslastung: 46 %
   • Durchschnittliche Speicherauslastung: 8,1 GB
2. Mit GPU
   • ArcGIS Pro 3.1 – Amazon EC2 G4DNXL-Instanz (2 CPUs/4vCPUs, 16 GB RAM, 16 GB GPU)
   • Dauer des Workflows: 8,5 Minuten – reduziert um 1,5 Minuten (15 %)
   • Durchschnittliche CPU-Auslastung: 39 % – reduziert um 15 %
   • Durchschnittliche Speicherauslastung: 6,8 GB – reduziert um 16 %

Ersetzen einer Hauptleitung

In diesem Workflow wurden Anschlussverbindungen für eine Gasleitung geändert.

1. Ohne GPU
   • ArcGIS Pro 3.1 – Amazon EC2 R5XL-Instanz (2 CPUs/4 vCPUs, 32 GB RAM)
   • Dauer des Workflows: 16,0 Minuten
   • Durchschnittliche CPU-Auslastung: 50 %
   • Durchschnittliche Speicherauslastung: 8,4 GB
2. Mit GPU
   • ArcGIS Pro 3.1 – Amazon EC2 G4DNXL-Instanz (2 CPUs/4vCPUs, 16 GB RAM, 16 GB GPU)
   • Dauer des Workflows: 12,8 Minuten – reduziert um 3,2 Minuten (20 %)
   • Durchschnittliche CPU-Auslastung: 28 % – reduziert um 44 %
   • Durchschnittliche Speicherauslastung: 7,1 GB – reduziert um 15 %

Schrittzeiten für GPU-Workflows

Während das System unter Last war, wurden die durchgeführten Workflow-Zeiten für wichtige Workflow-Schritte erfasst. Dies stellt die durchschnittliche Zeit dar, die benötigt wurde, um einen bestimmten Schritt für die Instanzen mit und ohne GPU abzuschließen. Die meisten Schritte sind mit einem GPU-fähigen Rechner deutlich schneller.

Über diese wichtigen Schritte hinaus zeigen die Ergebnisse aller Workflows, dass eine GPU-fähige Instanz 20 % schneller ist und eine bessere User Experience bietet, sodass die Rendite verbessert wird.

Schlussfolgerungen für die Auswirkungen der GPU-Konfiguration

Bei der R5XL-Instanz (keine GPU) traten mehr Ereignisse und größere Spitzen mit 100 % CPU-Auslastung auf. In der GPU-fähigen Instanz (G4DNXL) hat die GPU einen Teil der Verarbeitung übernommen und die Arbeit von der CPU ausgelagert. Die Workflow-Dauer war kürzer, da der Benutzer nicht auf die CPU warten musste. Darüber hinaus zeigten die Tests eine Verringerung der Speicherauslastung bei der G4DNXL-Instanz im Vergleich zur R5XL-Instanz. Dies kann daran liegen, dass das Betriebssystem im Rahmen der GPU-Emulationsverarbeitung zusätzlichen Arbeitsspeicher verwenden musste.

Das obige Diagramm zeigt, dass die GPU (rote Linie) einen Teil der Last verarbeitet, im Vergleich zur CPU-Auslastung (orangefarbener Bereich). Die GPU war ausgelastet und hat manchmal die CPU-Auslastung überschritten, vermutlich beim Rendern der Karte. Dadurch wurde die Last der CPU reduziert, die User Experience wurde verbessert, und die Workflow-Zeiten wurden verkürzt, da sie bei allen in diesem Test durchgeführten Workflows 19 % schneller war.

Auswirkungen der CPU-Konfiguration auf die Desktop-Bearbeitungs-Workflows

Die folgenden Client-Konfigurationen wurden verwendet, um die Auswirkungen der Erhöhung der Desktops von 2 CPU/4 vCPU auf 4 CPU/8 vCPU auf die Performance und die User Experience der Bearbeitungs-Workflows in ArcGIS Pro 2.9.5 zu vergleichen.

• Eine Amazon EC2 G4DN.XL-Instanz (2 CPUs/4 vCPUs)
• Eine Amazon EC2 G4DN.2XL-Instanz (4 CPUs/8 vCPUs)

Erstellen eines Service

In diesem Workflow wurde dem Netz ein Kundenendpunkt für die Gasversorgung hinzugefügt.

1. 4 vCPUs
   • ArcGIS Pro 2.9.5 – Amazon EC2 G4DN.XL-Instanz (4 vCPUs, 16 GB RAM, 16 GB GPU)
   • Durchschnittliche Dauer des Workflows: 8,2 Minuten
   • Durchschnittliche CPU-Auslastung: 41 %
   • Durchschnittliche Speicherauslastung: 6,7 GB
2. 8 vCPUs
   • ArcGIS Pro 2.9.5 – Amazon EC2 G4DN.2XL-Instanz (8 vCPUs, 16 GB RAM, 16 GB GPU)
   • Durchschnittliche Dauer des Workflows: 7,8 Minuten – reduziert um 0,4 Minuten (4 %)
   • Durchschnittliche CPU-Auslastung: 16 % – reduziert um 61 %
   • Durchschnittliche Speicherauslastung: 6,6 GB – reduziert um 1,5 %

Entfernen eines Service

In diesem Workflow wurde die Gasversorgungsleitung eines Kunden aus dem Netz entfernt.

1. 4 vCPUs
   • ArcGIS Pro 2.9.5 – Amazon EC2 G4DNXL-Instanz (4 vCPUs, 16 GB RAM, GPU-16 GB)
   • Durchschnittliche Dauer des Workflows: 8,7 Minuten
   • Durchschnittliche CPU-Auslastung: 48,3 %
   • Durchschnittliche Speicherauslastung: 6,7 GB
2. 8 vCPUs
   • ArcGIS Pro 2.9.5 – Amazon EC2 G4DN.2XL-Instanz (8 vCPUs, 16 GB RAM, 16 GB GPU)
   • Durchschnittliche Dauer des Workflows: 7,9 Minuten – reduziert um 0,8 Minuten (9 %)
   • Durchschnittliche CPU-Auslastung: 18,6 % – reduziert um 60 %
   • Durchschnittliche Speicherauslastung: 6,6 GB – reduziert um 1,5 %

Schrittzeiten für CPU-Workflows

Während das System unter Last war, wurden die durchgeführten Workflow-Zeiten für wichtige Workflow-Schritte erfasst. Sie stellen die durchschnittliche Zeit dar, die für beide Instanzgrößen zum Abschließen eines bestimmten Schritts benötigt wurde.

Schlussfolgerungen für die CPU-Konfiguration

Neben den wichtigsten Schritten haben wir uns die Gesamtzeit für alle Schritte in den vier getesteten Workflows angesehen. Wir haben festgestellt, dass bei einer Erhöhung der Instanzgröße von 2 CPUs/4 vCPUs auf 4 CPUs/8 vCPUs die Gesamtzeit um 10 % kürzer war. Eine Erklärung für dieses Ergebnis ist die CPU-Auslastung, die in der folgenden Grafik dargestellt ist. Durch die Verdoppelung der CPU kann ArcGIS Pro die Verarbeitung weiter parallelisieren und die Gesamtverarbeitungseffizienz verbessern, wodurch die durchschnittliche Auslastung für alle Workflows um durchschnittlich 63 % reduziert wurde.