Notebookcheck Logo

Hack permite desbloquear a funcionalidade de virtualização da GPU nas placas NVIDIA de consumo

A NVIDIA permite oficialmente o vGPU somente em determinados datacenters e placas Quadro de alta qualidade. (Fonte de imagem: NVIDIA)
A NVIDIA permite oficialmente o vGPU somente em determinados datacenters e placas Quadro de alta qualidade. (Fonte de imagem: NVIDIA)
A virtualização de GPU ou vGPU permite que os recursos de GPU sejam compartilhados por várias VMs ou máquinas remotas e é tradicionalmente restrita a certas placas Quadro de datacenter e high-end. Agora, um mod relativamente simples apareceu no GitHub que permite a funcionalidade vGPU mesmo em GPUs NVIDIA de consumo em um host Linux desde que sejam baseadas na mesma GPU física que uma placa Tesla compatível com vGPU.

Uma equipe de entusiastas conseguiu permitir a virtualização da GPU nas placas NVIDIA de consumo usando um simples mod para enganar o motorista. Este mod permite aos proprietários de várias placas NVIDIA de consumo compartilhar uma única GPU com várias máquinas físicas ou virtuais, o que de outra forma só é possível em variantes de datacenter destas placas, como a linha Tesla e algumas Quadro. Atualmente, a NVIDIA só permite que uma GPU seja utilizada através do modo de passagem por GPU

Similar à virtualização da CPU, a virtualização da GPU, ou vGPU, permite distribuir recursos da GPU para máquinas virtuais individuais, permitindo que elas executem computação e cargas de trabalho 3D semelhantes a uma configuração nativa. Uma moderna placa gráfica de consumo high-end é freqüentemente suficientemente potente para que seus recursos possam ser compartilhados entre várias máquinas, dependendo da carga de trabalho. Embora o hardware possa ser teoricamente capaz de vGPU, os fabricantes de placas como AMD e NVIDIA limitam artificialmente esta funcionalidade via software a fim de segregar suas ofertas de consumidor e estação de trabalho/datacenter

O mod atual, chamado vgpu_unlock, permite contornar esta limitação, enganando o motorista para ver uma GPU NVIDIA de consumo como uma variante Tesla. Como pré-requisitos, este mod requer o driver NVIDIA GRID vGPU, pacote Dynamic Kernel Module System (dkms), e Python 3 instalado em um host Linux. Note que, devido a problemas de licenciamento, este mod quase nunca chegará aos consumidores de Windows ou VMware ESXi. Entretanto, deve ser possível utilizar máquinas virtuais Windows 10 em Linux com todos os recursos de GPU

Atualmente, o vgpu_unlock suporta várias GPUs NVIDIA de consumo, incluindo várias GP102, GP104, TU102, TU104 e GA102, desde que a placa de consumo ou Quadro seja basicamente o mesmo chip físico que uma GPU Tesla compatível com vGPU. Também deve ser possível personalizar ainda mais o mod se a ID do dispositivo PCIe correspondente da GPU for conhecida.

Tudo dito, o mod vgpu_unlock não substitui totalmente a compra de uma solução vGPU recomendada pela NVIDIA. Essas soluções são validadas por ISVs e são realmente destinadas a aplicações profissionais. Os únicos casos em que encontramos vGPU ou SR-IOV rodando oficialmente em cartões de consumo são plataformas de jogos online como GeForce Now e Google Stadia, onde um único cartão frequentemente atende vários jogadores conectados.

Entretanto, este mod abre a possibilidade aos usuários Linux de maximizar ao máximo o potencial de seu hardware GPU de consumo. Por exemplo, um sistema Linux pode ser feito para hospedar várias máquinas virtuais Windows (e mesmo Mac) de uma só vez para criação de conteúdo, jogos, etc. Também pode ser possível oferecer serviços de desktop remoto com total funcionalidade de GPU, mas o quão bem um serviço desse tipo funcionaria com esse mod ainda está por ser visto.

Lista de GPUs atualmente suportadas no mod. vgpu_unlock. (Fonte: DualCoder no GitHub)
Lista de GPUs atualmente suportadas no mod. vgpu_unlock. (Fonte: DualCoder no GitHub)
Please share our article, every link counts!
Mail Logo
> Análises e revisões de portáteis e celulares > Arquivo de notícias 2021 04 > Hack permite desbloquear a funcionalidade de virtualização da GPU nas placas NVIDIA de consumo
Vaidyanathan Subramaniam, 2021-04-12 (Update: 2021-04-12)