数据说话:GIS搭载鲲鹏和英特尔至强CPU,效果有啥不一样?

2024-03-06 20:10

本文主要是介绍数据说话:GIS搭载鲲鹏和英特尔至强CPU,效果有啥不一样?,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目前,超图GIS基础软件产品已经与越来越多的国产CPU和国产操作系统完成适配测试和认证,如:龙芯、飞腾、华为鲲鹏等CPU,中标麒麟、银河麒麟等操作系统,本文将通过两个基础案例,对比测试分别搭载鲲鹏CPU和英特尔至强CPU的两款服务器的性能表现,以了解不同CPU在基础绘图计算以及SuperMap GIS基础功能方面的性能特点。

硬件及系统情况

参与测试的两款服务器的CPU和操作系统信息如下:
在这里插入图片描述

案例1:图元绘制

为了避免SuperMap GIS产品本身的特点影响大家对服务器性能的评判,也为了进一步分析出SuperMap产品的性能优化方向,特此研发了一个简单的模拟GIS地图出图过程中基础图元绘制的测试程序。该程序随机生成1000条由256个节点构成的线对象,并完成渲染,记录这一过程的耗时。同时,我们还增加了多线程情况下的对比测试,以考查各服务器的并发性能表现,结果如下:
在这里插入图片描述
从统计结果来看,在单线程下,英特尔至强服务器有一点优势,完成任务耗最少,但多线程并发方面,英特尔至强服务器的耗时随着并发线程数的增加而增多;然而,泰山服务器的多线程并发绘制耗时比较稳定,当并发线程数达到90以上时,耗时才会有明显增多。

可见,在多线程并发绘制的效率方面,泰山服务器优于英特尔至强服务器。

案例2:栅格瓦片生成

在SuperMap GIS众多的功能中,栅格瓦片生成是一个强IO、计算密集型操作,它将进行亿万次的地理数据坐标转换与图元绘制,因此,能较充分地呈现不同服务器的运行性能特点。测试采用SuperMap iObjects Java产品,对某省电子地图执行多进程生成栅格瓦片,瓦片比例尺级别为1至19级,瓦片存储类型为紧凑缓存,切图任务数为20,生成的瓦片总大小为11GB。对比在不同服务器下,分别使用16进程、30进程、60进程完成切图任务的耗时情况,结果如下:
在这里插入图片描述
从统计结果来看,在进程数较少时,英特尔至强服务器完成任务的耗时少于泰山服务器;随着进程数的增加,英特尔至强服务器完成任务的耗时并没有出现线性减少的趋势,而泰山服务器完成任务耗时明显呈线性减少,当进程数增大到30时,泰山服务器完成任务的耗时明显少于英特尔至强服务器;当进程数增大到60时,泰山服务器与英特尔至强服务器的耗时差距更为突出。

此外,英特尔至强服务器之所以在多进程完成任务方面性能不理想,与其x86架构的CPU的核数少于ARM架构的CPU的核数有关。目前,主流的x86架构的CPU的核数没能超过ARM架构的CPU的核数;而CPU核数确实能够带来性能的大幅提升,加上GIS功能对于多线程并发支持的能力越来越强,因此,泰山服务器的优势得以充分发挥。

总结

综合来看,对于包含了基础图元绘制和坐标计算的栅格瓦片生成,随着进程数的增加,ARM架构服务器完成任务的耗时线性减少,并最终少于x86架构服务器,这与多线程并发图元绘制的耗时分布趋势相吻合。可见,在实际应用中,ARM架构的服务器可以利用它的多核多线程优势,以较短的时间完成GIS任务,比英特尔至强服务器有更好的性能表现。

本次测试从基础GIS能力方面客观地展现了SuperMap GIS功能适配“国产操作系统+国产CPU”环境的良好性能表现,后续,SuperMap还将继续呈现其他GIS功能的适配性能情况,并将继续攻坚,让更多的GIS功能更高性能地运行在“国产操作系统+国产CPU”上。

这篇关于数据说话:GIS搭载鲲鹏和英特尔至强CPU,效果有啥不一样?的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/781186

相关文章

MyBatis-plus处理存储json数据过程

《MyBatis-plus处理存储json数据过程》文章介绍MyBatis-Plus3.4.21处理对象与集合的差异:对象可用内置Handler配合autoResultMap,集合需自定义处理器继承F... 目录1、如果是对象2、如果需要转换的是List集合总结对象和集合分两种情况处理,目前我用的MP的版本

GSON框架下将百度天气JSON数据转JavaBean

《GSON框架下将百度天气JSON数据转JavaBean》这篇文章主要为大家详细介绍了如何在GSON框架下实现将百度天气JSON数据转JavaBean,文中的示例代码讲解详细,感兴趣的小伙伴可以了解下... 目录前言一、百度天气jsON1、请求参数2、返回参数3、属性映射二、GSON属性映射实战1、类对象映

C# LiteDB处理时间序列数据的高性能解决方案

《C#LiteDB处理时间序列数据的高性能解决方案》LiteDB作为.NET生态下的轻量级嵌入式NoSQL数据库,一直是时间序列处理的优选方案,本文将为大家大家简单介绍一下LiteDB处理时间序列数... 目录为什么选择LiteDB处理时间序列数据第一章:LiteDB时间序列数据模型设计1.1 核心设计原则

Java+AI驱动实现PDF文件数据提取与解析

《Java+AI驱动实现PDF文件数据提取与解析》本文将和大家分享一套基于AI的体检报告智能评估方案,详细介绍从PDF上传、内容提取到AI分析、数据存储的全流程自动化实现方法,感兴趣的可以了解下... 目录一、核心流程:从上传到评估的完整链路二、第一步:解析 PDF,提取体检报告内容1. 引入依赖2. 封装

SysMain服务可以关吗? 解决SysMain服务导致的高CPU使用率问题

《SysMain服务可以关吗?解决SysMain服务导致的高CPU使用率问题》SysMain服务是超级预读取,该服务会记录您打开应用程序的模式,并预先将它们加载到内存中以节省时间,但它可能占用大量... 在使用电脑的过程中,CPU使用率居高不下是许多用户都遇到过的问题,其中名为SysMain的服务往往是罪魁

MySQL中查询和展示LONGBLOB类型数据的技巧总结

《MySQL中查询和展示LONGBLOB类型数据的技巧总结》在MySQL中LONGBLOB是一种二进制大对象(BLOB)数据类型,用于存储大量的二进制数据,:本文主要介绍MySQL中查询和展示LO... 目录前言1. 查询 LONGBLOB 数据的大小2. 查询并展示 LONGBLOB 数据2.1 转换为十

使用SpringBoot+InfluxDB实现高效数据存储与查询

《使用SpringBoot+InfluxDB实现高效数据存储与查询》InfluxDB是一个开源的时间序列数据库,特别适合处理带有时间戳的监控数据、指标数据等,下面详细介绍如何在SpringBoot项目... 目录1、项目介绍2、 InfluxDB 介绍3、Spring Boot 配置 InfluxDB4、I

Java整合Protocol Buffers实现高效数据序列化实践

《Java整合ProtocolBuffers实现高效数据序列化实践》ProtocolBuffers是Google开发的一种语言中立、平台中立、可扩展的结构化数据序列化机制,类似于XML但更小、更快... 目录一、Protocol Buffers简介1.1 什么是Protocol Buffers1.2 Pro

MySQL中优化CPU使用的详细指南

《MySQL中优化CPU使用的详细指南》优化MySQL的CPU使用可以显著提高数据库的性能和响应时间,本文为大家整理了一些优化CPU使用的方法,大家可以根据需要进行选择... 目录一、优化查询和索引1.1 优化查询语句1.2 创建和优化索引1.3 避免全表扫描二、调整mysql配置参数2.1 调整线程数2.

Python实现数据可视化图表生成(适合新手入门)

《Python实现数据可视化图表生成(适合新手入门)》在数据科学和数据分析的新时代,高效、直观的数据可视化工具显得尤为重要,下面:本文主要介绍Python实现数据可视化图表生成的相关资料,文中通过... 目录前言为什么需要数据可视化准备工作基本图表绘制折线图柱状图散点图使用Seaborn创建高级图表箱线图热