博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
3DSMAX联机渲染、网络渲染、分布式渲染效率评测
阅读量:7015 次
发布时间:2019-06-28

本文共 571 字,大约阅读时间需要 1 分钟。

需求:公司需要在短时间内出几个样板间的3DSMAX效果图,为了测试效率,特进行如下实验

 

以下数据均为渲染同一模型所用的时间:

 

单I5+4G=1215s

单I5+4G+独显=1238s(网络共享)

 

平均 613s

双I5+4G=749s

联机性能降低10%

单I7+16G=730s

I5(客户端)+I5(服务器) +I7(服务器)=485s

I7(客户端)+双I5(服务器)=443s

 

结论:

1.3DSMAX 渲染速度只与CPU 有关, 内存4G基本就足够了,显卡是一点关系也没有

2.联机渲染速度当然比单机要快,但是达不到2台单机的速度,总体来说,1+1<2,不过损耗大概也只有10%左右,如果单模型,可以考虑联机渲染,如果多模型,还是分开渲染更划算

3.一台I7的速度要比两台I5略快一点点或者可以认为两者性能差不多。从性价比上考虑,单台I7优于两台I5

4.联机渲染时,性能最好的机器应该做客户端,其余机器做服务器,效果最佳

5.网络瓶颈:这个数据我没有实际记录,就我实时肉眼观测,双机渲染时候,网络峰值大概是2M,3台机器渲染时,峰值大概是4M,4台机器渲染时,峰值大概有8M,SO,如果电脑足够多的情况下,网络环境也许也会成为瓶颈

转载于:https://www.cnblogs.com/sdytzz/p/3340103.html

你可能感兴趣的文章
jshint错误
查看>>
什么是PMU(PMIC)【转】
查看>>
未能加载文件或程序集”xxxx”或它的某一个依赖项,试图加载格式不正确的程序。...
查看>>
转: wireshark过滤语法总结
查看>>
获取JAVA对象占用的内存大小
查看>>
[机器学习] ML重要概念:梯度(Gradient)与梯度下降法(Gradient Descent)
查看>>
IOC的实现原理—反射与工厂模式的结合
查看>>
使用gdb调试python程序
查看>>
爬取7160
查看>>
Android安全机制
查看>>
【Eclpise】Eclipse中Tomcat启动失败或者是重启失败
查看>>
安卓APP载入HTML5页面解决方式总结
查看>>
套接字源代码分析
查看>>
centos 7 部署 open-falcon 0.2.0
查看>>
cocos2dx--两个场景切换各函数调用顺序
查看>>
通用的事件侦听器函数
查看>>
Java与.NET兼容的RSA密钥持久化方法
查看>>
Java Jvm运行机制原理
查看>>
php设计模式之工厂方法模式
查看>>
Javascript实现简单的选项卡
查看>>