Analyse comparative des VPU et GPU pour les charges de travail médiatiques

Akamai Cloud a récemment introduit la prise en charge des unités de traitement vidéo (VPU) T1U Quadra de NETINT, rendant ces cartes puissantes disponibles à un tarif horaire lors du déploiement de machines virtuelles dans le Cloud. Elles rejoignent les GPUNVIDIA RTX™ 4000 Ada Generation déjà proposés dans le portefeuille Akamai Cloud. 

Pour évaluer les performances et l'efficacité énergétique dans le monde réel, nous nous sommes associés à Cires21, une société pionnière dans l'industrie du streaming depuis 2008. En utilisant leur C21 Live Encoder, optimisé pour les architectures NETINT et NVIDIA , nous avons évalué les VPU et les GPU sur des charges de travail médiatiques exigeantes, en utilisant certaines des vidéos les plus difficiles à traiter comme sujet de test. 

Nous avons constaté que dans les scénarios les plus exigeants, les VPU avaient une efficacité énergétique 4,7 fois supérieure à celle des GPU et, dans certains scénarios, dépassaient même les cartes NVIDIA . Les GPU ont brillé dans certains tests, mais ils ont toujours consommé plus d'énergie que les VPU. 

Si vous travaillez dans une entreprise qui planifie ses émissions de type Scope 3 pour l'année à venir, ou si vous êtes simplement aux prises avec des exigences énergétiques dans le paysage de l'IA d'aujourd'hui, les VPU devraient figurer en tête de votre liste de tests. Pour en savoir plus sur l'utilisation des VPU , cliquez ici. 

Configuration de l'analyse comparative

Nous avons effectué chaque test dans la même région du Cloud d'Akamai (Francfort) en utilisant les configurations suivantes : 

• Un seul GPU avec le plan NVIDIA RTX4000 Ada x1 Small
• Un seul VPU avec le plan NETINT Quadra T1U x1 Small
• Les deux instances ont exécuté des conteneurs Docker optimisés pour C21 Live Encoder : l'une avec CUDAGPU et l'autre avec Libxcoder (VPU).

Des tests ont été effectués sur les cartes pour mesurer les parties encodage et décodage d'un flux de travail multimédia typique utilisant le codec H.264/AVC. 

Dans le tableau ci-dessous, vous pouvez voir qu'une échelle de débit adaptatif (ABR) a été générée avec une sortie simultanée à 1080p, 720p, 576p, 432p et 360p, tous à 60 images par seconde de manière 1:N à partir de l'entrée. L'étiquette "Max Jobs" dans le tableau indique le nombre maximum de tâches de transcodage simultanées que chaque implémentation d'encodeur peut exécuter en temps réel. Le test a utilisé une vidéo brute de 6 minutes à une résolution de 1080p. La charge de travail d'encodage a ensuite traité cette vidéo et l'a réencodée au même format, H.264/AVC, que la sortie cible.

Tableau récapitulatif : Capacité de transcodage par résolution

Comme vous pouvez le voir dans les données ci-dessus, même lorsque le GPU a fourni une plus grande capacité de travail à des résolutions plus faibles, il l'a fait en consommant beaucoup plus d'énergie. Les VPU offrent de meilleures performances énergétiques à presque toutes les résolutions, en particulier pour les charges de travail à haut débit et à haute résolution. 

Dans le tableau ci-dessous, nous avons estimé la consommation d'énergie pour 1 000 flux simultanés fonctionnant en continu pendant un an (soit 8 760 heures par an).

Tableau : Consommation d'énergie pour 1 000 flux pendant 1 an

Pour toute organisation cherchant à réduire les émissions de sa chaîne d'approvisionnement ou même à augmenter son débit dans certains scénarios de charge de travail, les VPU NETINT constituent une excellente solution et sont disponibles toutes les heures auprès d'Akamai en fonction des besoins. 

Scores de fusion d'évaluation vidéo multiméthode (VMAF)

Bien entendu, une puissance plus faible et un débit plus élevé ne sont rien si l'on sacrifie la qualité. Les scores VMAF présentés ci-dessous montrent que les VPU font également un excellent travail dans ce domaine.

Pour valider l'exactitude des résultats, nous avons effectué des tests VMAP sur tous les résultats. 

Dans le graphique ci-dessus, nos résultats de test montrent les scores VMAF pour le codage vidéo à haute efficacité (HEVC) produit par le NETINT Libxcoder et le NVIDIA Encoder. Chaque score est rapporté à une résolution de sortie spécifique, avec le débit binaire correspondant indiqué entre parenthèses. Ces scores fournissent une mesure objective de la qualité vidéo, nous permettant de comparer dans quelle mesure chaque encodeur préserve la fidélité visuelle à travers différents paramètres d'encodage.

Dans le graphique suivant (ci-dessus), nos résultats de test montrent les scores AV1 VMAF pour le NETINT Libxcoder et le NVIDIA Encoder à chaque résolution de sortie, avec les débits binaires correspondants indiqués entre parenthèses. Ces scores indiquent l'efficacité avec laquelle chaque encodeur maintient la qualité visuelle lors de la compression vidéo à l'aide du codec AV1, en soulignant les différences d'efficacité et les compromis de qualité entre les résolutions.

Disponible dès maintenant dans le Cloud d'Akamai

En optimisant le pipeline de traitement sur NETINT, les VPU sont capables de faire plus avec moins. Avec une consommation maximale mesurée de 13 watts, les VPU Quadra T1U de NETINT montrent qu'il est possible de faire évoluer efficacement les charges de travail médiatiques sans compromettre les performances et la qualité. 

Le passage d'un encodage vidéo GPU à un encodage vidéo basé sur le VPU pour 1 000 flux 1080p d'une durée d'un an pourrait réduire la consommation d'énergie annuelle de 32 MWh à seulement 5,5 MWh, soit une économie de 26,5 MWh. Cela se traduit par des économies d'énergie annuelles d'environ 80 %, ainsi que par une réduction d'environ 12,6 tonnes d'émissions de CO₂ par an, en supposant un facteur d'émissions moyen mondial. 

Si vous souhaitez essayer ces cartes VPU NETINT, elles sont disponibles dès aujourd'hui dans le Cloud d'Akamai à un tarif horaire. 

Déployez des VPU NETINT ou des GPU NVIDIA à la demande avec notre plan Accelerated Compute ou utilisez le C21 Live Encoder de Cires21 pour rationaliser l'installation et maximiser l'efficacité de l'infrastructure GPU et VPU.