测试结果
测试的目的是检查不同的硬件选择将如何影响编辑工作流的性能和用户体验。 在负载下执行工作流时，对桌面进行监控。
执行了脚本测试，以模拟编辑器在执行定义的工作流时采取的步骤。 为了提供有意义的结果，所有系统硬件和配置（正在测试的桌面实例除外）均保持一致。
测试完成后，对结果进行了汇总和分析，以比较不同硬件配置的桌面利用率和最终用户效率。
GPU 配置对桌面编辑工作流的影响
以下客户端配置用于比较 GPU 对 ArcGIS Pro 上编辑工作流的性能和用户体验的影响：
- 一个 Amazon EC2 R5XL 实例（无 GPU）
- 一个 Amazon EC2 G4DNXL 实例（启用 GPU）
在每个工作流下，每个实例配置（无 GPU 和有 GPU）都有两组汇总结果。
创建服务
在此工作流中，新的天然气服务端点已添加到网络中。
- 无 GPU
- ArcGIS Pro 3.1 - Amazon EC2 R5XL 实例（2 个 CPU / 4 个 vCPU、32 GB RAM）
- 工作流持续时间：9.7 分钟
- 平均 CPU 利用率：48%
- 平均内存利用率：8 GB
- 有 GPU
- ArcGIS Pro 3.1 - Amazon EC2 G4DNXL 实例（2 个 CPU / 4 个 vCPU、16 GB RAM、GPU - 16GB）
- 工作流持续时间：8.5 分钟 - 减少 1.2 分钟 (12%)
- 平均 CPU 利用率：38% - 降低 21%
- 平均内存利用率：6.7 GB - 降低 16%
移除服务
在此工作流中，从网络中移除了一个新的天然气服务端点。
- 无 GPU
- ArcGIS Pro 3.1 - Amazon EC2 R5XL 实例（2 个 CPU / 4 个 vCPU、32 GB RAM）
- 工作流持续时间：11.7 分钟
- 平均 CPU 利用率：58%
- 平均内存利用率：8.1 GB
- 有 GPU
- ArcGIS Pro 3.1 - Amazon EC2 G4DNXL 实例（2 个 CPU / 4 个 vCPU、16 GB RAM、GPU - 16GB）
- 工作流持续时间：9.0 分钟 - 减少 2.7 分钟 (23%)
- 平均 CPU 利用率：45% - 降低 22%
- 平均内存利用率：6.8 GB - 降低 16%
扩展主管道
在此工作流中，已将配送管道添加到网络中。
- 无 GPU
- ArcGIS Pro 3.1 - Amazon EC2 R5XL 实例（2 个 CPU / 4 个 vCPU、32 GB RAM）
- 工作流持续时间：10.0 分钟
- 平均 CPU 利用率：46%
- 平均内存利用率：8.1 GB
- 有 GPU
- ArcGIS Pro 3.1 - Amazon EC2 G4DNXL 实例（2 个 CPU / 4 个 vCPU、16 GB RAM、GPU - 16GB）
- 工作流持续时间：8.5 分钟 - 减少 1.5 分钟 (15%)
- 平均 CPU 利用率：39% - 降低 15%
- 平均内存利用率：6.8 GB - 降低 16%
替换主管道
在此工作流中，修改了燃气管道的终端连接。
- 无 GPU
- ArcGIS Pro 3.1 - Amazon EC2 R5XL 实例（2 个 CPU / 4 个 vCPU、32 GB RAM）
- 工作流持续时间：16.0 分钟
- 平均 CPU 利用率：50%
- 平均内存利用率：8.4 GB
- 有 GPU
- ArcGIS Pro 3.1 - Amazon EC2 G4DNXL 实例（2 个 CPU / 4 个 vCPU、16 GB RAM、GPU - 16GB）
- 工作流持续时间：12.8 分钟 - 减少 3.2 分钟 (20%)
- 平均 CPU 利用率：28% - 降低 44%
- 平均内存利用率：7.1 GB - 降低 15%
GPU 工作流步骤时间
当系统处于负载状态时，捕获了关键工作流步骤的执行时间。 这表示对于有和没有 GPU 的实例来说，完成给定步骤所花费的平均时间。 当使用启用 GPU 的计算机时，大多数步骤都明显更快。
除了这些关键步骤之外，所有工作流的结果表明启用 GPU 的实例速度提高了 20%，并提供了更好的用户体验，从而提高了投资回报率。
GPU 配置影响的结论
R5XL 实例（无 GPU）在 CPU 利用率达到 100% 时经历了更多的事件和更宽的峰值。 在启用 GPU 的实例 (G4DNXL) 中，GPU 承担了一些处理进程，降低了 CPU 的部分负载。 工作流持续时间较短，因为用户没有等待 CPU。 此外，测试还显示，与 R5XL 实例相比，G4DNXL 实例的内存利用率有所降低。 这可能是因为操作系统需要在 GPU 仿真处理过程中使用额外的内存。
上图显示了 GPU（红线）在处理部分负载时相较于 CPU 使用率（橙色区域）的表现。 GPU 工作负载较高，在某些情况下甚至超过了 CPU 的使用率，推测是在进行地图渲染时出现。 这减少了 CPU 的负载，提供了更好的用户体验，并缩短了工作流时间，因为在此测试中执行的所有工作流中，速度提高了 19%。
CPU 配置对桌面编辑工作流的影响
以下客户端配置用于比较将桌面从 2 个 CPU/4 个 vCPU 增加到 4 个 CPU/8 个 vCPU 时，对 ArcGIS Pro 2.9.5 上编辑工作流的性能和用户体验的影响。
- 一个 Amazon EC2 G4DN.XL 实例 (2 个 CPU/4 个 vCPU)
- 一个 Amazon EC2 G4DN.2XL 实例 (4 个 CPU/8 个 vCPU)
创建服务
在此工作流中，客户天然气服务端点已添加到网络中。
- 4 个 vCPU
- ArcGIS Pro 2.9.5 - Amazon EC2 G4DN.XL 实例（4 个 vCPU、16 GB RAM、GPU-16GB）
- 平均工作流持续时间：8.2 分钟
- 平均 CPU 利用率：41%
- 平均内存利用率：6.7 GB
- 8 个 vCPU
- ArcGIS Pro 2.9.5 - Amazon EC2 G4DN.2XL 实例（8 个 vCPU、16 GB RAM、GPU-16GB）
- 平均工作流持续时间：7.8 分钟 - 减少 0.4 分钟 (4%)
- 平均 CPU 利用率：16% - 降低 61%
- 平均内存利用率：6.6 GB – 降低 1.5%
移除服务
在此工作流中，从网络中移除了一个客户天然气服务管道。
- 4 个 vCPU
- ArcGIS Pro 2.9.5 - Amazon EC2 G4DNXL 实例（4 个 vCPU、16 GB RAM、GPU-16GB）
- 平均工作流持续时间：8.7 分钟
- 平均 CPU 利用率：48.3%
- 平均内存利用率：6.7 GB
- 8 个 vCPU
- ArcGIS Pro 2.9.5 - Amazon EC2 G4DN.2XL 实例（8 个 vCPU、16 GB RAM、GPU-16GB）
- 平均工作流持续时间：7.9 分钟 - 减少 0.8 分钟 (9%)
- 平均 CPU 利用率：18.6% - 降低 60%
- 平均内存利用率：6.6 GB – 降低 1.5%
CPU 工作流步骤时间
当系统处于负载状态时，捕获了关键工作流步骤的执行时间。 它们表示两种实例大小完成给定步骤所花费的平均时间。
CPU 配置的结论
除了关键步骤之外，我们还查看了测试的四个工作流中所有步骤的总时间。 我们观察到，当将实例大小从 2 个 CPU/4 个 vCPU 增加到 4 个 CPU/8 个 vCPU 时，总时间缩短了 10%。 对该结果的一种解释是下图所示的 CPU 使用率。 将 CPU 增加一倍使 ArcGIS Pro 能够进一步并行处理，提升了整体处理效率，使所有工作流的平均资源占用率降低了约 63%。
