手把手教你启用RemoteFX以及Hyper-V GPU卸载

简介:

微软的RemoteFX特性可以帮助改善虚拟机图形密集型应用工作负载的性能。

服务器虚拟化已经成熟到大多数工作负载都能够在虚拟机内运行的程度。毫无疑问,与其他工作负载相比,某些工作负载在虚拟机内运行将面临更多的挑战,例如图形密集型应用一直面临挑战。因为正常情况下,虚拟机内的图形处理是由服务器的CPU完成的。对于大多数工作负载来说并不存在什么问题,但有一些工作负载肯定会受益于图形硬件加速。

在Hyper-V中,该类型的硬件加速可以通过使用RemoteFX以及vGPU实现。vGPU将图形处理任务交给主机服务器的物理GPU而不再使用CPU完成上述任务。

在启用Hyper-V GPU卸载前,有两件重要的事儿你需要知道。首先大多数虚拟机不应该启用Hyper-V GPU卸载,最好是让GPU卸载需求最大的虚拟机使用节省下来的GPU资源,而不是让不需要硬件GPU的虚拟机浪费掉GPU资源。

你还需要知道GPU卸载基于RemoteFX,而RemoteFX依赖于远程桌面协议(RDP)客户端。在某种程度上这非常有意义,运行在虚拟机上的图形密集型工作负载通常是通过RDP客户端访问的,因此按道理讲RDP客户端应该在渲染过程中扮演角色。 RDP v 7.1及更高的版本支持RemoteFX以及Hyper-V GPU卸载。Windows 7 SP1使用的是RDP v 7.1。新版Windows操作系统包括了更高版本的RDP,这些版本应该全面支持RemoteFX以及vGPU,例如Windows 8.1使用的是RDP v8.1。

如果打算让虚拟机使用主机的GPU资源,那么首先要让Hyper-V能够感知到GPU的存在。打开Hyper-V Manager,右键单击Hyper-V主机服务器,然后在快捷菜单中选择Hyper-V 设置命令。这时Windows将会显示已选主机的Hyper-V设置对话框。单击物理GPU容器,然后在GPU下拉菜单中选择要优先使用的GPU。最后,勾选“通过RemoteFX使用GPU”复选框。 Hyper-V要求你在下拉菜单中选择一个GPU。你可以选择启用多个GPU,但选择的所有GPU规格型号必须相同。这引出了另一个很重要的问题——如果你计划启用虚拟机的GPU卸载,那么需要考虑这会对在线迁移或者故障切换带来怎样的影响。虚拟机可以被在线迁移到任何一台主机服务器,在主机发生故障时虚拟机也可能会故障前移到任何一台主机服务器,运行该虚拟机的主机服务器必须配置与之前物理主机相同的GPU。

给单个虚拟机增加vGPU相对简单。在Hyper-V Manager内,右键单击虚拟机然后在弹出的菜单中选择设置命令。打开设置对话框后,单击添加硬件,选择显示适配器然后单击添加。硬件对话框列表将会更新,包括已经选择的显示适配器列表。如果在硬件列表中选择显示适配器,你可以指定监视器的最大数量,设置最大的显示分辨率,或者从虚拟机中移除显示适配器。 正如你所看到的那样,将物理GPU链接给一个Hyper-V虚拟机的操作步骤简单明了。然而请记住Hyper-V GPU卸载应该仅用于正在运行图形密集型工作负载的虚拟机,而且在考虑在线迁移或者故障切换计划时必须格外当心。



本文转自d1net(转载)

相关实践学习
在云上部署ChatGLM2-6B大模型(GPU版)
ChatGLM2-6B是由智谱AI及清华KEG实验室于2023年6月发布的中英双语对话开源大模型。通过本实验,可以学习如何配置AIGC开发环境,如何部署ChatGLM2-6B大模型。
相关文章
|
并行计算 Ubuntu PyTorch
Ubuntu配置pytorch gpu环境(含Cuda+Cudnn+pytorch-gpu+卸载)(下)
Ubuntu配置pytorch gpu环境(含Cuda+Cudnn+pytorch-gpu+卸载)(下)
Ubuntu配置pytorch gpu环境(含Cuda+Cudnn+pytorch-gpu+卸载)(下)
|
并行计算 Ubuntu PyTorch
Ubuntu配置pytorch gpu环境(含Cuda+Cudnn+pytorch-gpu+卸载)(上)
Ubuntu配置pytorch gpu环境(含Cuda+Cudnn+pytorch-gpu+卸载)(上)
Ubuntu配置pytorch gpu环境(含Cuda+Cudnn+pytorch-gpu+卸载)(上)
|
8月前
|
人工智能 算法 调度
阿里云ACK托管集群Pro版共享GPU调度操作指南
本文介绍在阿里云ACK托管集群Pro版中,如何通过共享GPU调度实现显存与算力的精细化分配,涵盖前提条件、使用限制、节点池配置及任务部署全流程,提升GPU资源利用率,适用于AI训练与推理场景。
698 1
|
8月前
|
人工智能 城市大脑 运维
喜讯!阿里云国产异构GPU云平台技术荣获“2025算力中国·年度重大成果”
2025年8月23日,在工业和信息化部新闻宣传中心、中国信息通信研究院主办的2025中国算力大会上,阿里云与浙江大学联合研发的“国产异构GPU云平台关键技术与系统”荣获「算力中国·年度重大成果」。该评选旨在选拔出算力产业具有全局性突破价值的重大成果,是业内公认的技术创新“风向标”。
878 0
|
存储 机器学习/深度学习 数据库
阿里云服务器X86/ARM/GPU/裸金属/超算五大架构技术特点、场景适配参考
在云计算技术飞速发展的当下,云计算已经渗透到各个行业,成为企业数字化转型的关键驱动力。选择合适的云服务器架构对于提升业务效率、降低成本至关重要。阿里云提供了多样化的云服务器架构选择,包括X86计算、ARM计算、GPU/FPGA/ASIC、弹性裸金属服务器以及高性能计算等。本文将深入解析这些架构的特点、优势及适用场景,以供大家了解和选择参考。
1608 61
|
存储 机器学习/深度学习 人工智能
2025年阿里云GPU服务器租用价格、选型策略与应用场景详解
随着AI与高性能计算需求的增长,阿里云提供了多种GPU实例,如NVIDIA V100、A10、T4等,适配不同场景。2025年重点实例中,V100实例GN6v单月3830元起,适合大规模训练;A10实例GN7i单月3213.99元起,适用于混合负载。计费模式有按量付费和包年包月,后者成本更低。针对AI训练、图形渲染及轻量级推理等场景,推荐不同配置以优化成本和性能。阿里云还提供抢占式实例、ESSD云盘等资源优化策略,支持eRDMA网络加速和倚天ARM架构,助力企业在2025年实现智能计算的效率与成本最优平衡。 (该简介为原文内容的高度概括,符合要求的字符限制。)
|
存储 机器学习/深度学习 算法
阿里云X86/ARM/GPU/裸金属/超算等五大服务器架构技术特点、场景适配与选型策略
在我们选购阿里云服务器的时候,云服务器架构有X86计算、ARM计算、GPU/FPGA/ASIC、弹性裸金属服务器、高性能计算可选,有的用户并不清楚他们之间有何区别。本文将深入解析这些架构的特点、优势及适用场景,帮助用户更好地根据实际需求做出选择。
|
机器学习/深度学习 人工智能 PyTorch
阿里云GPU云服务器怎么样?产品优势、应用场景介绍与最新活动价格参考
阿里云GPU云服务器怎么样?阿里云GPU结合了GPU计算力与CPU计算力,主要应用于于深度学习、科学计算、图形可视化、视频处理多种应用场景,本文为您详细介绍阿里云GPU云服务器产品优势、应用场景以及最新活动价格。
阿里云GPU云服务器怎么样?产品优势、应用场景介绍与最新活动价格参考
|
边缘计算 调度 对象存储
部署DeepSeek但IDC GPU不足,阿里云ACK Edge虚拟节点来帮忙
介绍如何使用ACK Edge与虚拟节点满足DeepSeek部署的弹性需求。

热门文章

最新文章