●个人电脑,PC,这个大家都熟,办公、影音娱乐、玩游戏,做些简单的创意性工作(比如视频编辑、简单的三维建模、简单的产品设计),完全OK!而PC的特点,从英特尔这边来说,主要就是搭载(Core)酷睿处理器的平台。
●再往上一级是工作站。负载更重的专业设计任务,比如,设计一台摩托车发动机,常规的PC可就有些吃力了,就得上工作站了!从工作站这一级开始,就开始使用(Xeon)至强处理了,核心数量比PC多,用的主板也不同了,且能使用ECC错误校验内存避免工作过程中宕机,而且,开始搭载专业显卡了。
●那么再往上呢?那就是服务器,以及服务器集群了。采用的是数个至强或是海量的至强处理器,用Win Server或Linux系统,然后根据不同的应用需求,会插满内存(比如几千GB)或硬盘(比如10PB、100PB,1PB=1024TB),当然,也可以插满深度学习用的加速卡。总之,复杂的任务,比如电影、动画长片的渲染,比如大型的机械设计,比如游戏服务器,比如数据中心,又比如深度学习训练等,就要用到服务器或服务器集群了!
但实际上,从工作站到服务器(集群),中间还是有比较大的跨度。实际应用中,往往会有这样的情况:某些应用类型的算力需求远高于工作站,但如果上服务器(集群),成本又太高了——毕竟至强处理器,以及其专属的主板、内存等周边都相对更贵,且Windows Server系统还是收费的,Server上很多应用也往往是付费的(甚至是按照节点数量收费的)——这,可就相当具体了
▲这是PC Farm的“官方定义”。
▲PC Farm也历经多次进化和迭代,但其统一的特征就是:它是由完整的“PC系统”即个人电脑系统组合而成的!上图里可以非常清晰地看到三套完整的个人电脑系统:三块主板,每块上都有两根内存、一根M.2接口的SSD,并安装了一颗处理器,而且,每块主板上也都有一套完整的接口。
▲而后,PC Farm进化为纵向拔插形态方便随时扩充和更多地堆叠(往机架上堆,堆成一个一个的机柜),但依然可看出是由单个PC单元组合而成的。
▲较新的PC Farm产品已经非常方便插拔了,但单个组成单元依然是一套完整的PC,当然,也借助了一些服务器技术,比如服务器的散热技术。
●首先是总算力可以很高!因为它也可以若干个机柜进行堆叠,内部通过IPMI(智能平台管理接口,Intelligent Platform Management Interface)或是基于IPMI的第三方管理软件来进行管理和调配,实现硬件性能的组合(和分配),所以它的“总体性能”可以非常高(一个机柜貌似就可部署144个算力节点),能胜任大量的专业应用。
● 部署和管理灵活快捷。由于PC Farm引入了服务器的插拔扩容概念和远程管理概念,所以,其部署和管理是比较灵活快捷的。经过培训后,其实是很容易上手的。
▲而基于以上特性,PC Farm其实可以实现很多应用。目前主要活跃在电竞网吧、电竞酒店、云游戏、云渲染、VR娱乐等领域。
大家不要被“云”字给唬着了,其实没那么复杂,下面牛大叔给大家举几个不同类型的例子,相信大家都能看得明白:
●电竞酒店。
我们假设一家电竞酒店,分布在5层楼共计100个房间。最传统的做法是:在每个房间放一台高性能PC,比如12代酷睿i7+RTX 3070/4060。总量是100台,投资巨大不说,还面临配件被盗被破坏的风险。
甚至于,酒店老板都不用自己购买搭建PC Farm,可采用租用的形式——目前市面上已有不少成熟的PC Farm供应商。
●和上述情况类似,网吧也是PC Farm的用武之地。
▲PC Farm的进化历程。最新的PC Farm 4.0甚至支持至强处理器平台了,且能采用英特尔自家的Arc显卡!总之,PC Farm的平台包容性是非常好的。
这个例子稍专业一点,但也容易理解:假设某游戏厂商开发了一个画面特漂亮的游戏(通常是网游),但问题是,如果把所有运算都在客户端完成(如手机、笔记本电脑),对客户端硬件的要求就很高,而客户端的程序也会非常大,就好像如今的大型3A游戏,动辄上百GB容量——这对于手机来说就是恶梦了!
▲这就是“云游戏模型”,实际上,最传统的“网页游戏”也是典型的云游戏。不过如今的云游戏,画质提升很大——考验的就是PC Farm的算力。
▲西山居的《剑网3》和《剑网3缘起》,就与英特尔和阿里边缘云ENS合作,靠PC Farm集群完成画面渲染,从而大幅降低客户端硬件的需求。
不要被“边缘”这个“标准行业词汇”吓着啦,待牛大叔给你清楚解读:
2020年以前,大家都知道一个有意思的事情,叫做“演唱会抓逃”。好多逃犯耐不住寂寞,去看歌星的演唱会,谁知道被现场逮住!还别说,演唱会上真的抓了不少逃犯。
具体咋做的呢?其实机制很简单:会场每个进出口架上摄像头,摄像头抓取进场观众的人脸和公安部的逃犯数据库进行比对。而在这个系统中,摄像头就是“终端”,而公安部的逃犯系统在公安部服务器上,就是“云端”。
但这个方式有个现实的问题:如果所有人脸都要通过互联网“跨越千山万水”上传到公安部的服务器上进行比对,然后再反馈下来,那么速度就太慢了,无法及时出结果。于是,这个系统就引入了“边缘算力”——每个摄像头或者每几个摄像头,搭配一台电脑,这台电脑不仅录制摄像头拍摄的画面方便后续到公安部数据库中比对,而且它自己就带有几十万个逃犯的面部特征数据,然后它就可以完成快速的对比筛查,这就比全部通过云端进行要快得多,高效得多了。而在这个模型中,摄像头就是“终端设备”;这台靠近摄像头的电脑就是“边缘算力”(“边缘”指它物理位置上更靠近终端而不是云端);而公安部的数据库就是“云端”。
不过上述例子中,人脸识别只抓关键特征,所以对“边缘算力”的要求并不高,一台高性能PC即可。但如果采集的、需要在边缘端预处理的信息比较复杂,算力要求比较高咋办呢?比如测绘数据,不仅是复杂的高精度图像,而且包含了坐标、海拔等一大堆位置信息,还要做识别分析,这时,边缘端就得靠高PC来堆叠性能了——PC Farm在这里就正好可以派上用场了——用一台多节点的PC Farm集群系统覆盖一片范围的测绘信息进行预处理,最后再上传到云端。
看到这里,相信大家对PC Farm这种产品有了全面的认识和了解,而我想说的是:这种神奇的产品,其实应用前景非常广阔。之前有人说它是“介于工作站和服务器之间的产品”,对,但也不对——毕竟它具备了不少连传统服务器都不具备的特质,且其算力理论上也可以相当强悍,而总体拥有成本相对服务器系统又明显低得多,在不少应用上的确能大展拳脚——最终,就看大家如何发挥想象了!
咱就甭说远了,举个“最近的例子”,至少看了这篇文章,土豪们已经知道自己的装X上限不再局限于一颗24核的酷睿i9了
编辑:牛大叔
联系客服