云桌面三大谎言之GPU虚拟化

　　现在集成商的销售去见客户再谈云桌面时不用浪费口水解释什么云桌面，该不该上云桌面？ 要谈的只是这次该再上多少。因为能卖进去的地方都卖进去了（包括那些根本不适用云桌面的场景），想再多卖一点就得在产品上堆卖点了。于是国产厂家又开始了新一轮的概念创新。槽点最大的三个分别是：GPU虚拟化、超融合和前端运算。

　　今天首先想谈是的GPU虚拟化，这是近期炒得最多的一个概念。GPU 是什么？GPU是Graphics Processing Unit （图形处理器）的缩写；GPU又称显示核心、视觉处理器、显示芯片。GPU 问世提高了计算机的图形处理能力解放了CPU。配备了高性能GPU 显示卡一直被广泛的应用于图形图像处理、工业设计等专业领域，同时也是游戏玩家们的最爱。

　　稍了解VDI 技术的同学们都知道VDI 是将远端虚拟机的视像输出传输到终端屏幕上，终端只负责输入输出远端虚拟机的信息，内部原理类似于远程桌面。Citrix 和VMware 都在远程桌面传输协议上加足了功夫，不断更新不断提高传输效率。但是受到带宽等因素的影响，真正在云桌面上进行工业设计、观看高清视频、3D游戏等应用时就会发现云桌面的画面会频繁出现跳帧、停顿甚至花屏现象。因此在早期基于VDI 的虚拟桌面技术不适用于图像处理密集型的应用场景是共识。

　　随着近几年云计算、机器学习人工智能、高算、区块链的兴起，GPU以其在浮点运算与并行运算性能方面的出色表现有了海量的市场需求。GPU与CPU的区别是CPU 由专为顺序串行处理而优化的几个核心组成，而 GPU 则拥有一个由数以千计的更小、更高效的核心（专为同时处理多重任务而设计）组成的大规模并行计算架构。 GPU早已经不再只是显示卡，而成为了CPU 之外更大的计算模块。很多大学实验室新增的高算服务器往往都会配备4~8 张卡，为了正是提高计算能力。一些所谓的专业挖矿机也采用高性能GPU 作为计算核心。新一代的操作系统和软件对GPU的依赖越来越重。据Lakeside的统计，Windows 10 比Windows 7 的GPU使用量增加了32%，使用GPU加速的应用数量也是过去 5 年的 2 倍，同时使用这些应用的用户数量也增加了60%。在这里我们可以很清晰的发现，不具备GPU运算能力的基础架构难以满足未来软件和系统的要求。

　　厂商过度夸张VGPU 在云桌面应用上的效果其实是一种概念炒作。有些销售人员甚至宣传通过VGPU 可以使瘦终端云桌面胜任原专业图形工作站的工作。宣称云桌面可应用于高密集图形图像处理、设计工作。 但实际情况又如何？

　　早在十年前 NVIDIA 就推出了虚拟GPU案，即通过NVIDIA 底层管理软件将物理 GPU按需切割，同时分配给多个虚拟机使用，虚拟机所使用的GPU被称之为虚拟GPU。在虚拟机中使用的vGPU计算能力来自物理GPU分割出来的配额，在后端强劲GPU支持下使虚拟机的浮点计算与并行计算性能大幅提高。这一技术的设计初衷是为服务于租用云主机的进行高算托管的专业用户，主要被应用于虚拟服务器、应用主机服务器。现今天我们在阿里云、AWS 等云计算提供商处租用云主机时都有VGPU 池可供选择。用户可以根据自己的需求选择多颗VGPU 来提高自己托管的应用服务的计算速度。可以说这一项技术从一开始就并不是桌面用户开发的。虽然理论上VGPU 可以加快虚拟机的图形图像处理能力，但却无助于图形图像在远程终端的输出能力。

　　重申一遍VGPU 技术是用来提高虚拟机的浮点运算、并行计算能力，对虚拟机图像的远程输出到终端上的流畅程度没有实质性的帮助。云主机云服务注重的是运算能力；云桌面注重的是前端桌面的交互体验，所有的远程桌面传输协议都对图像进行了有损压缩，远端虚拟机输出的帧通过网络传输到终端（盒子）时图像实际已经进行了裁减；即使后端虚拟机上的VGPU渲染了一张4K 的32位真彩图像，通过远程桌面传输协议回显（终端盒子收到加密压缩的数据后把数据还原成图像） 到终端显示器上被用户肉眼看到之时其实已经是缩水后的复刻品。 其实VDI 的云桌面在高密集图像处理方面表现不佳其瓶颈也并不在后端的GPU不足，而且网络传输的损失与前端能力的不足。在窄带宽与瘦终端环境表现得更明显。