Виртуальные среды давно стали основой корпоративных инфраструктур. В основном, благодаря гибкости таких систем, возможности оперативного перераспределения вычислительных ресурсов под потребности и централизованному управлению. Уход глобальных вендоров на российском рынке дал возможность отечественным разработчикам занять освободившуюся нишу. Разумеется, распространение по рынку требует обстоятельного тестирования на реальных задачах. Под запрос рынка специалисты компании РекФэйсис провели нагрузочное тестирование собственного программного обеспечения для распознавания лиц с отечественной средой виртуализации zVirt.
Спойлер: совместимо
Расскажем подробнее об этом проекте.
В начале года под один из проектов потребовалось убедится в совместимости наших решений с отечественной средой виртуализации zVirt от компании OrionSoft. Вообще со средами виртуализации у нас хорошие отношения. С Microsoft Hiper-V мы можем уверенно сказать, что все работает, потому что разработка ведется в том числе с использованием этой среды. Ряд наших инсталляций успешно разворачивались на стороне клиентов с использованием VMWare V-Sphere. Для удовлетворения запроса рынка на отечественные среды виртуализации и на проверку их совместимости с прикладным биометрическим программным обеспечением, такое тестирование было проведено.
Тестирование проводилось с участием нескольких команд: собственно команда технической поддержки РекФэйсис и специалисты лаборатории “OCS Distribution” в Нижнем Новгороде. В качестве аппаратной платформы хост-машины был выбран сервер на базе двухпроцессорной платформы с 2x CPU Xeon®️ Gold 6230R, 512Гб оперативной памяти на базе чипов Optane, органично работающих в схеме динамического размещения данных в зависимости от их востребованности, 2 пары скоростных SSD, объединенных на Raid - контроллере RMS небольшого объема (2x 480Гб и 2х 1Тб) и несколькими сетевыми адаптерами OCP с поддержкой виртуализации.
Далее в среде виртуализации zVirt было развернуто несколько виртуальных машин под ядро решения Id-Guard и сервер предобработки видео (трекер). Конфигурация ВМ под ядро включала 10 vCPU, 20Гб оперативной памяти 240 Гб дискового пространства. Конфигурация сервера предобработки видео 10 vCPU, 9,8Гб оперативной памяти и 240Гб дискового пространства. Операционная система на обоих ВМ была выбрана из списка рекомендуемых компанией РекФэйсис, а именно Windows Server 2019 Standart.
Камеры были выбраны типовые 2-3МП из списка рекомендованных с поддержкой rtsp.
Сценарий тестирования включал в себя 4 кейса:
1. Работа ядра Id-Guard и сервера предобработки видео с 3 подключенными камерами.
2. Работа ядра Id-Guard и сервера предобработки видео с 4 подключенными камерами и сервера предобработки видео на обособленной ВМ, также с 4 камерами.
3. Обособленная работа ядра Id-Guard и сервер предобработки видео на обособленной ВМ с 8 подключенными камерами.
4. Обособленная работа ядра Id-Guard и сервер предобработки видео на обособленной ВМ с 8 подключенными камерами при включенном NUMA (англ. Non-Uniform Memory Access «неравномерный доступ к памяти»).
Тестирование проводилось на реальном объекте с “живыми” потоками с камер, установленных в нескольких локациях бизнес-центра. Проходимость по зонам до 2-3 человек в секунду, типовая для большинства реальных кейсов.
Каждый из тестов проводился по неделе (если вы подумали про спринты, то вы правы, это они). На вход Id-Guard подавались стандартные потоки RTSP H.264 c разрешением 1920х1080 @25кадров / сек. Измерения проводили по количеству кадров, которые из всего потока, сервер предобработки видео счел годными для целей распознавания лиц. Рекомендованное ограничение не выставлялось.
По итогам тестирования получились следующие показатели:
1 сценарий: ядро и сервер предобработки видео на одной ВМ.
По всем 3 каналам получен средний показатель: 14 кадров в секунду, что вдвое превышает рекомендованную частоту отбора кадров для дальнейшей обработки алгоритмами распознавания.
2 сценарий: 4 камеры подключены к трекеру на ВМ с ядром ID-Guard и 4 камеры к серверу предобработки видео на отдельной ВМ.
Несколько камер из тестового набора были с избыточными характеристиками: 3МП и 30 кадров в секунду. По итогам тестирования среднее количество кадров, которые система посчитала пригодными для целей распознавания составляло, как и в предыдущем случае - в районе 14. Исключением стали нестандартные камеры, где количество кадров колебалось в районе 7, что превышает рекомендованный показатель на 30% и в итоге обеспечивает более чем достаточную производительность.
3 сценарий с обработкой всех 8 видеопотоков на обособленной ВМ показатели колебались от 5,1 до 8,2 кадров в секунду, что соответствует рекомендованным параметрам. При этом загрузка CPU приблизилась к расчетным 90% и оставалась неизменной на протяжении всего теста вне зависимости от количества лиц в обрабатываемых видеокадрах.
4 сценарий с обработкой 8 видеопотоков на обособленной ВМ с фиксированным NUMA позволил получить показатели 6,4 - 11,2 кадров, захваченных для видеоанализа, в секунду, что также превышает рекомендованные параметры.
Все тесты проходили без сбоев и показали стабильный и предсказуемый результат, соответствующий расчетным значениям. Для себя мы сделали также вывод, что наша методика оценки конфигураций технических средств под лицевую биометрию, используемая для физических машин, подтвердила свою состоятельность и для расчета виртуальной инфраструктуры на базе отечественной среды виртуализации.
По итогам проведенного тестирования можно уверенно заявить: связка среды виртуализации zVirt и биометрических решений РекФэйсис позволяет обеспечить стабильную работу на самых требовательных объектах.