Il consenso generale è che i cluster sono uno spreco di larghezza di banda. Sì, il tuo cluster avrà accesso alla somma di tutta la potenza di elaborazione e della RAM, ma stai introducendo la latenza di rete nella tua equazione delle prestazioni. Se ti concentri più sulla RAM che sulla CPU, potresti costruire un desktop con molta RAM allo stesso prezzo del tuo cluster Pi. Hai menzionato 20 dispositivi Rpi2 per il tuo cluster. 20 x $ 35 = $ 700. Se scegli la strada AMD (meno costosa per lo stesso livello di prestazioni di Intel), potresti costruire un desktop con 32 GB o RAM per lo stesso importo in dollari.

Inoltre, la RAM su RPi (LPDDR2 ) funziona a 400 MHz ed è possibile accedervi a una velocità di 800 MT / s, mentre un desktop (basato su AMD) utilizza RAM (DDR3) che funziona a 1066 MHz ed è possibile accedervi a una velocità di 2133 MT / s, circa 2,5 volte più veloce.

Tutto sommato, sì, costruire un gruppo di Pi è un bel progetto. Ma se il tuo obiettivo è accedere a prestazioni migliori, un desktop con specifiche migliori è una soluzione migliore.

Risposta breve: probabilmente

Dipende davvero dalla possibilità o meno di parallelizzare il processo. Alcuni processi non possono essere suddivisi tra gli RPi e quindi non trarrebbero alcun vantaggio da un cluster. Tuttavia, il rendering delle animazioni sembra un'attività che potrebbe essere suddivisa e quindi trarrebbe vantaggio da un cluster.

@Thingian ha detto che introduce molta latenza di rete, questo è vero tuttavia non so molto sul rendering ma ancora una volta penso che questo avrebbe effetto poco come quando si esegue il rendering del processo diverso probabilmente non c'è bisogno di "parlare" tra di loro così tanto.

Se desideri approfondire questo argomento, ti consiglio di utilizzare questa domanda e questa correlata thread del forum dal forum RPi ufficiale (anche se questo ha meno con la grafica e più con il clustering generale) così come Come faccio a creare un cluster?

Se vorresti acquistare la configurazione con una quantità minima di lavoro da parte tua Iden .inc http://idein.jp sta costruendo una bacheca e questo renderebbe più semplice per te collegare 16 zeri RPi e probabilmente si occuperebbe delle connessioni e farebbe sembrare la tua scrivania un po 'meno simile a un nido di topi (SE puoi trovare gli zeri in quanto sono estremamente scarsi in questo momento)

Probabilmente no. Ci sono alcuni problemi qui.

Il raspberry pi esegue l'architettura ARM e non ho mai visto software di rendering che funziona su di esso. La migliore renderfarm è inutile se il tuo software non funziona.

Anche se più costoso, x86 ha un migliore supporto single threaded , software disponibile. Sebbene la ram on die possa avere una latenza inferiore, più e più veloce potrebbe essere utile.

"Quindi se io creare un cluster di circa 20 o più lamponi con ciascuno 1 GB di RAM il risultato finale avrà 20 GB di RAM? "

No, eseguiresti X thread su un sistema ciascuno facendo parte di un'attività, con Y ram. Quindi potresti impostare il tuo gestore di rendering per eseguire 4 attività con un massimo di 512 MB di RAM ciascuna e dividere un rendering su molti sistemi che gestiscono un fotogramma ciascuno.

Comincerei con il software . Controlla in cosa verrà eseguito. Non ha senso costruire un cluster Raspberry Pi con software che funziona solo su x86, e potresti finire con un PC adeguato e una scheda video se l'accelerazione GPU ti dà buoni risultati con il tuo software specifico. Il mio lavoro precedente era giurato su molti molti core x86, quindi la mia risposta lo riflette.

Per quanto riguarda l'hardware, penso che il "computer scooter" di cui ha scritto Jeff Atwood sarebbe una buona base di partenza. Potresti andare ancora più a buon mercato se volessi sacrificare un po 'di prestazioni per il costo

350 usd (o 10 pis) ti danno

  i5-5200 Broadwell 2 core / 4 thread CPU a 2.2 Ghz - 2.7 Ghz 16 GB DDR3 RAM 128 GB M.2 SSD Doppio gigabit Realtek 8168 ethernetfront 4 porte USB 3.0 / posteriori 4 porte USB 2.0 Doppia uscita HDMI  

Otterresti più di 10 volte la ram, un core x86 più veloce con HT.

Non si ottiene una pessima connessione ethernet da 100 Mbps strozzata da USB

Si ottiene una memoria interna ragionevolmente veloce (che sarebbe anche sii gentile se hai bisogno di più swap).

Ottieni meno thread ma con prestazioni migliori a thread singolo (il che è comunque bello!).

Ho anche personalmente avuto problemi con le installazioni rpi che non riuscivano e beh, questi hanno dischi rigidi effettivi (bene SSD) non schede SD lente e sarebbero più affidabili .

Considerando tutto questo, il cluster pi sarebbe un'opzione terribile rispetto a una macchina decente di fascia bassa.

Certo che no! Ogni nodo nel tuo cluster deve essere in grado di caricare tutte le trame / geometrie ecc. Quindi limiterebbe la dimensione totale dei dati di origine a (molto meno di) 1 GB, ma 20 copie.

Invece , prendi in considerazione il noleggio di un'istanza EC2, su richiesta: https://aws.amazon.com/ec2/pricing

Ad esempio, verrà visualizzato un c3.8xlarge a $ 1,68 l'ora molto più veloce di un cluster di PI, oltre a essere più facile da configurare e impostare.

(A seconda della tua posizione, probabilmente è nello stesso campo da tennis dell'elettricità per eseguire PI 20 volte.)

Se la velocità del nuovo pi3 è tale (guardando i report di mips) che ne occorrono circa 26 per eguagliare uno Haswel Xeon o i7, concludo che è più economico utilizzare processori desktop. Il mio desktop ha 32 GB di RAM, quindi è più di quella che ottieni da 26 nodi da 1 GB e ne hai bisogno di meno poiché il codice non deve essere duplicato 26 volte.

Per i cluster che ho visto utilizzare pis più vecchio, ci vorrebbero 4 volte di più! Penso che sia il caso anche per il pi zero. Quindi inutile per l'uso effettivo, ma un modo economico per avere una piattaforma per testare il software di clustering, quindi è davvero un cluster.

Ad essere onesti, dipende da cosa stai elaborando. I Raspberry Pi sono fatti per essere versatili e fare molte cose diverse. L'IoT, i personal computer, i supercomputer, i server, ecc.

Se esegui il cluster, aumenti la potenza della tua configurazione con Pi. Ci sono supercomputer costruiti per hash ed elaborare dati, costruiti da pi. Ci sono configurazioni gpu molto più potenti, che elaboreranno anche grafica e big data.

Prendi ad esempio il cloud computing e comprendi che puoi essenzialmente creare cluster e supercomputer, all'interno del framework cloud.

allora dovresti capire che l'aggiunta di GPU su google cloud, AWS, AZURE o Bluemix, aumenta il prezzo della tua istanza in esecuzione.

Molte volte, è altrettanto costoso, se non di più costoso, solo per aggiungere un'istanza GPU.

In Google Cloud, ad esempio, puoi avere fino a 8 istanze GPU, per un'istanza VM di 8 core.

Ora, prendi tutte le impasto che spenderesti non solo per acquistare tutti quei raspberry pi, e tutto il costo dell'elettricità, e capire che probabilmente nella maggior parte delle circostanze, è meglio che tu usi 1 raspberry pi. e poi usin g quel raspberry pi, per connettersi ai servizi di cloud computing.

ci sono demo da provare sui servizi di cloud computing, ma praticamente nessuna di esse ti permetterà di provare istanze GPU su account demo.

Quindi userei semplicemente un raspberry pi, eseguirò ubuntu mate, e mi collegherò a IBM bluemix e / o google cloud. per creare cluster.

l'unica cosa che morde con questo, è che lo sviluppo di app nel cloud fa schifo, se hai bisogno di eseguire xcode, perché puoi sognare, trovando una dannata immagine di MacOS, per il cloud, senza acquistare la tua, da caricare sulle VM.

a meno che tu non stia creando una sorta di cluster robotico, motorizzato, per scopi di visualizzazione fisica.

sono i miei 2 centesimi.