一、背景：
随着互联网和通信技术的蓬勃发展，云计算产业已经成为计算机行业的重要一环。而云游戏又是其中异军突起的应用场景。云游戏服务将游戏的计算渲染任务从传统的用户端向服务端集中。在众多不同的云游戏实现方案中，在服务器上利用虚拟化技术运行游戏是目前各云游戏厂商的主要方案之一。基于虚拟化技术实现的云游戏方案在大幅降低用户进行游戏所需要的计算机硬件配置的同时也对服务端虚拟机的性能，功能，稳定性和成本等方面提出了不同于传统应用场景虚拟机的新需求。但是目前主流的虚拟机实现方案都并未针对游戏做出特殊优化。不管是传统的通用计算型虚拟机，GPU计算型虚拟机还是存储型虚拟机等在性能，稳定性，功能性上的要求都和云游戏虚拟机需求有较大不同，例如通用计算型虚拟机侧重于CPU的多核并发能力对CPU的多核性能有较高需求，而游戏普遍对CPU多核性能需求并不强烈反而对CPU单核性能有较高要求。又譬如传统的GPU计算型虚拟机虽然也具备图像渲染能力，但是其主要应用场景还是集中在数据运算，深度学习，科学计算等侧重于浮点计算场景，而游戏则侧重于GPU的光栅渲染能力和高IO能力。因此针对这些传统虚拟机应用场景设计的评测模型和方法难以准确反应云游戏特殊的应用场景需求。

二、显卡模型分析

对于GPU性能，则要与cpu单核性能相匹配，若GPU性能超出CPU单核上限，则GPU占用率无法占满，造成性能浪费。GPU除了渲染性能之外，还有一点对游戏表现也有至关重要的影响，既宿主机pcie总线带宽和多GPU拓扑结构。传统家用游戏电脑，一般只会安装一张GPU，一张GPU独占pcie＊16通道，因此总线带宽不会有瓶颈。云游戏虚拟机的服务器因为要进行多游戏进程计算渲染以降低成本，因此一般要安装多张GPU，这些GPU往往根据不同的GPU拓扑结构共享一条或者两条pcie＊16通道，会出现GPU带宽瓶颈。而传统GPU型虚拟机服务器虽然一般会安装4张GPU以上，但是这些虚拟机一般是深度学习和工业渲染等高计算低IO场景。因此传统GPU型虚拟机服务器使用多GPU卡共享带宽的拓扑结构并不会对计算性能有太大影响。但是游戏渲染属于典型等GPU高IO场景，GPU需要频繁和CPU进行数据交换，若使用不合理等GPU拓扑结构，则会导致高负载时数据交换带宽不够，导致严重的性能下降。因此在对云游戏虚拟机进行需求建模时要考虑宿主机满负载时各个虚拟机GPU是否会出现带宽瓶颈。

三、其他模型

请查看本专栏其他文章