برای سال‌ها، تهیه نقشه‌های نوری یک بخش ضروری اما زمان‌بر در توسعه بازی بوده است. پیش‌محاسبه اطلاعات روشنایی عملکرد را در بازی بهبود می‌بخشد، اما منابع محاسباتی درون محل، ایستگاه‌های کاری هنرمندان یا ماشین‌های شبکه ارزشمند را برای چند دقیقه – اگر نه ساعت‌ها – در یک زمان مصرف می‌کند.
اما اکنون، به لطف قدرت رایانش ابری، استودیوهایی که با Unreal Engine کار می کنند، بالاخره می توانند از این گلوگاه های تولید فرار کنند. با استفاده از Unreal Swarm، سیستم توزیع وظیفه بومی Unreal، توسعه‌دهندگان می‌توانند وظایف محاسباتی فشرده را در فضای ابری انجام دهند و از تعداد عظیم vCPU و ظرفیت‌های حافظه نمونه‌های Amazon Elastic Compute Cloud (Amazon C5a) مجهز به AMD استفاده کنند تا زمان پخت نور نقشه را کاهش دهند.
رایانش ابری در نهایت به درد تهیه نقشه های نوری پایان می دهد
Lightmass، حلگر استاتیک GI Unreal Engine، نقشه‌های بافتی را ایجاد می‌کند که نشان‌دهنده نحوه واکنش سطوح اجسام به نور است و پدیده‌های پیچیده‌ای مانند سایه‌زنی ناحیه و بازتاب متقابل منتشر را در بر می‌گیرد.
پختن افکت‌های نورپردازی پیچیده به این روش، به جای محاسبه آنها در حین پرواز، عملکرد درون بازی را بهبود می‌بخشد، اما منابع محاسباتی را مصرف می‌کند و به طور بالقوه ایستگاه کاری هنرمند را برای ساعت‌ها در یک زمان بسته می‌کند. بدتر از آن، این فرآیند باید چندین بار در طول توسعه تکرار شود، زیرا هنرمندان طراحی نور را برای یک سطح تکرار می‌کنند، و هر تغییر عمده مستلزم مجموعه جدیدی از نقشه‌های نوری است.
برای کاهش تأثیر بر گردش کار، استودیوها اغلب به Unreal Swarm روی می آورند. سیستم توزیع وظیفه بومی Unreal به کاربران این امکان را می دهد که برنامه های محاسباتی گران قیمت مانند Lightmass را در چندین ماشین اجرا کنند و زمان پردازش را کاهش دهند. مزرعه Swarm از دو نوع ماشین تشکیل شده است: هماهنگ کننده Swarm که وظایف را توزیع می کند و شبکه ای از عوامل Swarm که در واقع کار را انجام می دهند.
اجرای Unreal Swarm در یک شبکه محلی درد و رنج پخت lightmap را به اشتراک می گذارد، اما آن را به طور کامل حذف نمی کند. زمان پخت توسط تعداد ماشین‌های موجود در محل محدود می‌شود، و انتخاب ایستگاه کاری به‌عنوان یک Swarm Agent استفاده ناکارآمد از منابع محاسباتی است، زیرا Swarm محاسبات روشنایی را فقط بر روی CPU دستگاه انجام می‌دهد و GPU آن را بیکار می‌گذارد.
خوشبختانه، یک راه حل وجود دارد: محاسبات ابری. با استفاده از ماشین های مجازی مبتنی بر CPU به عنوان Swarm Agents، استودیوها می توانند ایستگاه های کاری فیزیکی خود را برای کارهایی که برای آنها مناسب تر است ذخیره کنند. و از طریق گزینه های قدرتمند و مقرون به صرفه مانند نمونه های آمازون EC2 C5a مجهز به AMDآنها می‌توانند ده‌ها یا حتی صدها هسته CPU را در فضای ابری بر حسب تقاضا فراخوانی کنند – همه اینها فقط با چند دلار در روز.
نمونه های آمازون EC2 مبتنی بر AMD: یک راه حل قدرتمند و مقرون به صرفه برای توسعه بازی
نمونه‌های EC2 C5a که در هشت پیکربندی برای مطابقت با انواع بارهای کاری فشرده محاسباتی موجود است، از نسل دوم سفارشی استفاده می‌کنند. پردازنده های AMD EPYC™ 7002 با سرعت کلاک تا 3.3 گیگاهرتز کار می کنند. نمونه های C5a با ارائه حداکثر 96 vCPU، حداکثر 192 گیگابایت حافظه و حداکثر 20 گیگابیت در ثانیه پهنای باند شبکه، کمترین هزینه را برای هر پردازنده x86 در مجموعه EC2 ارائه می دهند. برای آمازون: 10٪ کمتر از نمونه های مشابه مبتنی بر اینتل. (1)
برای کارهای گرافیکی فشرده، نمونه های جداگانه EC2 G4ad قدرت هر دو AMD را به ارمغان می آورد معماری‌های پردازنده‌های RDNA™ و «Zen 2» به فضای ابری، با پردازنده‌های نسل دوم EPYC – که خود تا 64 vCPU و 256 گیگابایت حافظه را ارائه می‌دهند – با پردازنده‌های گرافیکی AMD Radeon™ PRO V520 تکمیل می‌شوند.
این دو نوع نمونه با هم به توسعه‌دهندگان بازی کمک می‌کنند تا با استفاده از یک نمونه G4ad به‌عنوان یک ایستگاه کاری مجازی که در آن تغییرات نوری را در ویرایشگر Unreal انجام می‌دهند، و میزبان Unreal Swarm Coordinator و شبکه‌ای نمونه های C5a برای عمل به عنوان Swarm Agents.
مزارع مجازی Swarm نقشه های نوری را بیش از 4 برابر سریعتر از ایستگاه های کاری داخلی می سازند (2)
تعداد بالای vCPU نمونه های C5a آنها را برای کارهای بسیار چند رشته ای مانند روشنایی پخت ایده آل می کند.
داشتن ایستگاه کاری ابری، برنامه‌های کاربردی و نمونه‌های C5a برای شتاب در محیط AWS یکسان، به معنای بازدهی پهنای باند بسیار بیشتری است که منجر به بهبود بهره‌وری گردش کار می‌شود.
قیمت‌گذاری AWS ساعتی هزینه می‌شود، بنابراین توصیه می‌شود که کارهای Lightmap را برای بازدهی هزینه‌های بیشتر دسته‌بندی کنید. به عنوان مثال، اجاره 10 نمونه EC2 برای یک ساعت فقط 52.24 دلار هزینه داشت، در این مدت می‌توان نقشه‌های نوری را برای 20 نوع تنظیم نورپردازی تهیه کرد: 2.61 دلار بسیار مقرون به صرفه برای هر پخت.
*قیمت بر اساس نمونه EC2 C5a، 5.223 دلار در ساعت، منطقه ایرلند – 4 فوریه 2022
رایانش ابری: پایان دادن به تنگناهای چند دهه در توسعه بازی
با استفاده از Unreal Swarm، نمونه‌های آمازون EC2 C5a و G4ad مجهز به AMD، گلوگاه‌های تولید چندین دهه در طراحی نورپردازی بازی‌ها را برطرف می‌کنند. توانایی استفاده از صدها vCPU در صورت تقاضا، زمان پخت lightmap را کاهش می‌دهد، و هنرمندان را قادر می‌سازد تا در تنظیمات نورپردازی سریعتر تکرار کنند، در حالی که انتقال فرآیند به فضای ابری از نیاز به اتصال ایستگاه‌های کاری در محل جلوگیری می‌کند و کارکنان را موقتاً قادر به کار نمی‌کند.
و در حالی که Unreal Swarm به طور سنتی با Lightmass استفاده می‌شود، این برنامه به خودی خود وظیفه‌شناس است و امکان گردش‌های کاری جدید مبتنی بر ابر را برای کارهای محاسباتی گران‌قیمت زمانی که Unreal Engine 5، نسخه جدید موتور بازی، اواخر امسال منتشر می‌کند، باز می‌کند. . سرعت، کارایی و تطبیق پذیری: فقط سه دلیل از این که محاسبات ابری به سرعت تبدیل به گردش کار انتخابی برای توسعه دهندگان بازی های باهوش می شود.
منابع بیشتر:
جورج واتکینز یک مدیر بازاریابی محصول برای AMD است. پست های او نظرات خودش است و ممکن است موضع، استراتژی یا نظرات AMD را نشان ندهد. پیوندها به سایت‌های شخص ثالث برای سهولت ارائه می‌شوند و AMD هیچ مسئولیتی در قبال محتویات این سایت‌های لینک‌شده ندارد و هیچ‌گونه تاییدیه‌ای ندارد. علائم شخص ثالث فقط برای مقاصد اطلاعاتی است و هیچ تایید یا توسط AMD مورد نظر یا ضمنی نیست.
1 تمام ادعاهای مربوط به عملکرد و صرفه جویی در هزینه توسط آمازون ارائه شده است و به طور مستقل توسط AMD تأیید نشده است. عملکرد و مزایای هزینه تحت تأثیر متغیرهای مختلفی قرار می گیرد. نتایج در اینجا مختص آمازون است و ممکن است معمولی نباشد. منبع GD-181: https://aws.amazon.com/about-aws/whats-new/2020/06/now-available-amazon-ec2-c5a-instances-featuring-…
2 آزمایش انجام شده توسط AMD Performance Labs در تاریخ 17/02/2022 بر روی AWS Cloud VM G4ad 4xlarge زنده با استفاده از درایور گرافیکی سفارشی‌شده AWS نسخه Radeon-Pro-Software-for-Enterprise-20.10.25.04، با Windows® Server 2019 instances و 2019 C. به عنوان ماشین های برده برای حجم کار ساخته می شود. دستگاه محلی مورد استفاده، ایستگاه کاری رومیزی Whitebox، با AMD Ryzen 7 5800x CPU 16core، حافظه 64 گیگابایت و AMD Radeon PROTM WX5700 w/ 8GB VRAM بود. برنامه مورد استفاده Unreal Engine® Editor 4 و Unreal Swarm® با استفاده از نمونه «ShooterGame» از Unreal در هر دو ماشین دسکتاپ و VM بود. تمام نتایج آزمون از نمرات توالی تست داخلی AMD ترکیبی، متوسط و در 3 اجرا گرفته شده است. عملکرد ممکن است بر اساس استفاده از آخرین درایورها متفاوت باشد. نتایج عملکرد ابر ارائه شده بر اساس تاریخ آزمایش در پیکربندی است و با فاکتورسازی تست فلز لخت داخلی AMD در سربار ارائه‌دهنده خدمات ابری همراستا است. نتایج ممکن است به دلیل تغییرات در پیکربندی زیربنایی و شرایط دیگر مانند قرار دادن ماشین مجازی و منابع آن، بهینه‌سازی‌های ارائه‌دهنده سرویس ابری، مناطق ابری قابل دسترسی، مستاجران مشترک، و انواع بارهای کاری دیگر که در همان زمان انجام می‌شوند، متفاوت باشد. زمان روی سیستم