使用Redshift渲染器，怎么选电脑配置！
碎碎念：
最近拿到一个工业模型渲染测试，它有三千六百万个三角面，内存使用了近16G。家里电脑显卡是GTX960，才2G显存，完全不够用啊。稍微加点模型进去，就超显存不渲了，很是揪心，谁让我选了redshift渲呢。。但不可否认它确实出图很快啊。
为了测试继续进行下去，我不断优化场景，尽可能的删掉看不到物体。最终模型三角面减到了两千百万，才勉强能够渲成图。小心翼翼调整采样，都不敢多加半点参数。门都不敢打开，糟心的测试，真是够够了。贴一张渲染出来的图留念一下吧！
这只是别人发给我的测试，可能不是西门子的东西，自己瞎放上去的。如有不合适，请联系我删掉。。
恩！回归到正题，要跟上时代潮流家里就得换电脑了。于是我研读了一下redshift的对于硬件的需求。
划重点：
- 游戏显卡跟专业显卡在redshift渲染性能上没差异。windows系统选专业显卡会快。
- 1GB的显存中容纳大约2千万到3千3百万个三角面。算算自己的需求量吧。
- 单显卡，显存越高越好啦，渲染会更快。
- 多个GPU的显存不能叠加在一起用。如果是多显卡一起使用，可以一次渲多帧，会节约渲染时间。
- CPU单核高GHz是更好的选择。
- 至少安装比GPU大两倍的内存。
- 本地缓存纹理文件夹所在的磁盘，使用固态硬盘会加快读取速度。
- 网络读取速度会影响渲染速度，请用大量代理文件（例如3000w面的代理）测试本地路径和网络路径渲染时间差异。
- redshift有使用out of core 技术。它可以在GPU耗尽的情况下，使用到系统内存。但会降低渲染速度。还是显存多的好啊~
https://docs.google.com/document/d/1rP5nKyPQbPm-5tLvdeLgCt93rJGh4VeXyhzsqHR1xrI/edit
Hardware Considerations For Redshift
这里官方提供的Redshift的硬件注意事项文档，以下是它的翻译，凑活着看吧。
GPU
Redshift是一个CUDA应用程序，这意味着它目前只适用于NVidia GPU。 从游戏级GPU，我们推荐最新一代TitanX Pascal 12GB或GTX1070 / GTX1070Ti / GTX1080 / GTX1080Ti GPU。
或者是当前的RTX2070，RTX2080或RTX2080Ti GPU。 从专业级GPU，我们推荐上一代Quadro P5000，P6000，GP100，GV100 GPU或下一代Quadro RTX GPU。 除了Quadro GV100和Quadro RTX6000 / RTX8000（它们是目前市场上最快的GPU）之外，就Redshift而言，GeForces和Quadros之间没有性能差异。 与GeForces相比，Quadros可以更快地渲染视口OpenGL，但这不会影响Redshift的渲染性能。 Quadros对GeForces的一个主要优势是它们通常拥有更多的板载VRAM。 例如，唯一提供24GB VRAM的NVidia GPU是Quadro M6000，Quadro P6000和Quadro RTX6000。 Quadro GV100每GPU提供高达32GB的容量，而Quadro RTX8000提供48GB的VRAM。 这是很多VRAM！:-)
GTX GPU和Titan / Quadro / Tesla GPU之间的一个重要区别是TCC驱动程序可用性。 TCC的意思是“特斯拉计算集群”。 它是由NVidia for Windows开发的一种特殊驱动程序。 它绕过了Windows显示驱动程序模型（WDDM），允许GPU以更快的速度与CPU通信。 TCC的缺点是，一旦启用它，GPU就会变得对Windows和3D应用程序（例如Maya，Houdini等）“隐形”。 它成为CUDA应用程序的专用，如Redshift。 只有Quadros，Teslas和Titan GPU才能启用TCC。 GeForce GTX卡无法使用它。 如上所述，TCC仅对Windows有用。 Linux操作系统不需要它，因为Linux显示驱动程序不会遇到通常与WDDM相关的延迟。 换句话说，默认情况下，Linux上的CPU-GPU通信比所有NVidia GPU上的Windows（使用WDDM）更快，无论是GTX卡还是Quadro / Tesla / Titan。
考虑到在撰写本文时，单个TitanX的成本约为GTX1080的两倍，用户经常会问的问题是“哪一个更好？ 一个TitanX还是两个GTX1080？“ 那么，就原始计算能力而言，两款GTX1080将击败单一的TitanX。 但是如果您要渲染的场景是多边形（超过150米的独特多边形），我们建议获得11-12GB或更高的GPU。 请参阅下一节有关VRAM及其优点的部分。
如果在同一台计算机上安装多个GPU，Redshift将渲染得更快。 拥有多个GPU需要特殊的主板/ CPU /设置注意事项，本文档后面将对此进行概述。
回顾一下：
- 你需要更多的VRAM吗？ 如果是这样，Titan / Quadro / Tesla是您的正确选择
- 你需要TCC（即在Windows上更快的渲染）？ 如果是这样，Titan / Quadro / Tesla是您的正确选择
- 如果您不需要上述任何一种，多个GTX GPU（成本相同）将提供更多的原始计算能力
VRAM（即显存）足够多，它与性能有何不同？
NVidia GPU配置为4GB / 6GB / 8GB / 11GB / 12GB / 24GB / 48GB VRAM。 假设未来的GPU将具有更多VRAM，这是安全的。 那么特定用户的VRAM数量是多少？
Redshift的一般经验法则是“VRAM越多越好”。 然而，具有更多VRAM的视频卡也更昂贵。 下面的文字解释了Redshift如何使用VRAM，以便用户在选择GPU时做出明智的决定。
在VRAM利用方面，Redshift非常有效。 它能够在大约1GB的显存中容纳大约2千万到3千3百万个独特的三角形。 如果一个场景包含3亿个三角形，Redshift通常需要大约10GB的VRAM。 但即使是具有8GB VRAM的GPU也可以使用Redshift渲染如此高的多边形场景，因为它具有核外架构（请参阅我们的在线常见问题解答，了解“out of core”）。 但是，过多的核外数据访问有时会导致相当大的性能损失。 因此，在渲染高多边形场景时，最好有足够的VRAM。
Redshift的out-of-core技术并未涵盖所有可能的数据类型。 目前，Redshift无法以out of core方式存储volume grids（例如OpenVDB ,Supported by Houdini ® , FumeFX ® and RealFlow ®, 基于网格的缓存格式）。 这意味着使用数百兆字节的OpenVDB数据的场景可能需要具有更多VRAM的GPU，否则帧渲染将被中止。
拥有大量VRAM的另一个好处是Redshift的“自动内存管理”功能。 如果场景没有使用太多多边形，则可以启用“自动内存管理”设置并允许Redshift渲染得更快。 该设置位于Redshift的“Memory”选项卡中。 它允许Redshift与CPU的通信频率较低，从而提高了渲染性能。 有关此设置的更全面说明，请参阅Redshift的在线文档或论坛。
拥有大量VRAM的另一个好处是能够同时运行多个GPU应用程序。 Maya的OpenGL视口，Chrome（网络浏览器）和Windows本身等应用程序可能会消耗大量的VRAM，并且几乎没有内存供Redshift使用。显然，这对包含大量VRAM的GPU来说不是一个问题。对于无法负担具有大量VRAM的GPU的用户，可能的解决方法是安装额外的（更便宜的）GPU，用于除Redshift之外的所有内容。然后，剩余的GPU可以与监视器断开连接，因此可以使整个VRAM可用于使用Redshift进行渲染。断开GPU与监视器的连接称为“headless mode”。
VRAM容量的主题通常是购买更昂贵的11-12GB GPU与更便宜的8GB GPU之间的决定性因素。
最后，应该注意的是，多个GPU的VRAM没有组合在一起！即如果您的系统上安装了4GB GPU和8GB GPU，则这些GPU不会增加到12GB！每个GPU只能使用自己的VRAM。尽管引入了NVLink，但未来可能会发生变化。 NVLink是一个“桥接器”，可以将两个GPU连接在一起，以便它们可以共享彼此的内存。这会带来性能损失，在某些情况下可能会或可能不会很大。 Redshift今天不支持NVLink，但我们正在计划（并已开始工作）实施它。
回顾一下：
- 你是否会使用额外的GPU进行OpenGL / 2D渲染？ 如果没有，那么更喜欢具有更多VRAM的GPU
- 更多VRAM也意味着更快的渲染
- 你是否会渲染沉重（1.5亿个场景或大量的OpenVDB或粒子）？ 如果是这样，请选择具有更多VRAM的GPU
- VRAM不能跨多个GPU组合
Motherboard
主板
一种经济高效的加速渲染解决方案是为您的计算机添加更多GPU。 这是与CPU渲染解决方案相比，GPU渲染更具成本效益的原因之一。 与购买额外的计算机和软件许可证（包括Redshift许可证）相比，添加额外的GPU（或更多！）更便宜！
如果您今天为Redshift构建计算机并预计将来会添加更多GPU，我们建议您选择具有4个PCIe3.0 x16插槽或更多插槽的主板。 请注意，有些主板会声称有4个PCIe3.0 x16插槽，但它们的规格会说（x16，x16），（x8，x8，x8，x8）。 这意味着“如果你有两个GPU，它们都将以x16速度运行，但如果你有4个GPU，则每个GPU将以x8速度运行”。 换句话说，即使主板有4个插槽，它们也不能同时以全速x16速度运行。
你绝对需要（x16，x16，x16，x16）吗？ 没有！ Redshift与（x8，x8，x8，x8）运行良好，但在某些情况下x16速度可能会对性能有所帮助。 这包括执行大量核外渲染的DeepEXR渲染或渲染场景，即GPU需要访问CPU内存的情况。 即使在这些情况下，也不要指望x16和x8插槽之间存在巨大的性能差异。 未来的NVidia GPU（Pascal）将能够更有效地使用CPU内存，因此，在这些情况下，额外的x16速度可能会产生更大的差异。 换句话说，PCIe x16的规划目前更像是一个面向未来的选择，而不是现实世界的优势选择。
请注意，即使所选主板声称拥有许多支持PCIe x16的插槽，您也需要一个合适的CPU来实现这一性能！ （见下文）
回顾一下：
- 如果您要为每台计算机添加多个GPU，请选择具有多个快速PCIe x16插槽的主板。
CPU
我们建议CPU具有足够的单线程性能。最好是拥有内核少且高GHz的CPU。即与6核3.5 GHz CPU相比，Redshift的8核2.5GHz CPU将更糟糕。我们建议工作频率为3.5GHz或更高的CPU。
并非所有CPU都能以全PCIe x16速度驱动4个GPU。 CPU具有称为“PCIe通道”的功能，该功能描述了CPU和GPU之间的数据通信速度。某些CPU的PCIe通道数少于其他CPU。例如，Core i7-5820K 3.3GHz有28个PCIe通道，而i7-5930K 3.5GHz有40个PCIe通道。这意味着5930K可以以更高的速度驱动更多的GPU。我们建议CPU具有更多PCIe通道。我们不推荐Core i5，Core i3或低端CPU。
如果在同一主板上有多个CPU（如Xeons），则CPU的PCIe通道将合并在一起。双Xeon系统可以全速轻松驱动8个GPU。
回顾一下：
- Redshift更关心GHz而不是内核数量
- 如果您要安装多个GPU，请查看更高端的Core i7
- 如果您要安装4个以上的GPU，可能需要研究双Xeon解决方案
- 避免使用i5，i3和低端CPU
外部GPU机箱
我们曾经测试过Redshift的唯一外壳是Cubix Xpander Elite，性能非常好！ 我们一次测试了1,2,3和4个GPU。 我们发现它是稳定的，而且非常重要的是，与直接在计算机主板上安装GPU相比，我们无法衡量性能损失。 如果您的计算机没有足够的PCIe插槽，并且您希望GPU可移植，GPU扩展器也会非常有用。
请注意，并非所有外部机箱都适合Redshift！ 有些人可能会引入PCIe通信延迟，这可能会对Redshift的性能产生负面影响！ 我们建议您在购买之前使用所选的机箱测试Redshift，即使其他GPU渲染器可能运行良好！ 与其他GPU渲染器相比，Redshift的软件架构要求GPU与CPU进行更频繁的通信，因此机箱的性能（延迟）非常重要！
PSU/Cooling （风扇）
请遵守CPU / GPU的功率要求并选择合适的PSU。 在计算机中安装4个GPU可能需要1000W PSU - 或者更强大的PSU！ 没有足够功率的低质量PSU或PSU可能会导致GPU不稳定和崩溃，更不用说GPU损坏了！
请注意，在一台计算机上安装4个GPU会产生大量的热量，因此请确保机箱冷却/通风良好。 如果通风不足，GPU可能会进行热节流并自行降频，以免烧坏。 限制/降频意味着渲染速度变慢！ 当然，高温意味着电子设备的使用寿命更短。 所以冷却很重要！
Multiple GPU scaling
多GPU扩展
使用Redshift和多个GPU进行渲染时，您有两个选择：可以使用所有GPU渲染单个帧，也可以使用GPU的组合一次渲染多个帧。
在某些情况下，使用所有可用GPU渲染单个帧可以产生非线性性能增益。 例如：与使用1 GPU渲染相比，4 GPU可能无法快速渲染4倍。 他们可能会提高3倍的速度。 这是因为有一定数量的每帧CPU处理涉及到无法通过添加额外的GPU来加速。
为了更好地解释这一点，请考虑以下示例。 让我们假设从Maya中提取场景数据（仅在CPU上发生）需要10秒，渲染需要60秒才能执行1 GPU。 因此总渲染时间为70秒。 现在，如果要添加另外3个GPU（总共4个GPU），则将纯渲染时间的60秒除以4，即15秒。 但是你根本不会将10秒的提取时间分开，因为所有这些都是在CPU上完成的！ 因此，总渲染时间将是10秒+ 15秒= 25秒与原始70秒相比。即 快3倍而不是4。
在其他情况下，更多的GPU无法提供帮助，例如从磁盘加载数据。 更糟糕的是，某些CPU处理阶段是单线程的。 这意味着安装具有多个内核的CPU也无济于事！
上述问题的解决方案是一次渲染多个帧。 如果计算机有4个GPU，则可以一次渲染两个帧，每个帧使用2个GPU。 这有助于解决这个问题，因为当你一次渲染多个帧时，你就会强迫你的CPU做更多的工作（例如，一次提取多个帧），这通常会提高CPU-GPU的性能比。
一些渲染管理器（如Deadline）支持打开即用的Redshift功能。 截止日期中，该功能称为“GPU affinity”。 或者，如果您没有使用渲染管理器并且更喜欢使用自己的批渲染脚本，请阅读此论坛帖子以获取有关如何从命令行渲染并使用GPU子集的信息：https://www.redshift3d.com/forums/viewthread/1713/.这基本上是Deadline和其他渲染管理器在幕后选择Redshift中的GPU。
回顾一下：
- 要获得最佳的多GPU缩放性能，请一次渲染多个帧
Memory（内存）
我们建议至少拥有系统上安装的最大GPU的两倍内存。即 如果系统使用一个或多个TitanX 12GB，系统应该至少有24GB的RAM。
如果您要一次渲染多个帧（如上一节所述），则应相应地增加内存。即 如果渲染1帧需要16GB，同时渲染两帧将需要大约32GB。
回顾一下：
- 如果您要在每台计算机上安装多个GPU，请添加大量CPU RAM
磁盘
我们建议使用快速SSD驱动器（固态硬盘）。 Redshift自动将纹理（JPG，EXR，PNG，TIFF等）转换为自己的纹理格式，在渲染过程中加载和使用更快。那些转换后的纹理存储在本地驱动器文件夹中。我们建议在该纹理缓存文件夹中使用固态硬盘，以便在渲染过程中可以快速打开转换后的纹理文件。 Redshift可以选择不执行任何此缓存，只需从原始位置打开纹理（即使这是一个网络文件夹），但我们不建议这样做。有关纹理缓存文件夹的更多信息，请阅读在线文档。
回顾一下：
- 首选SSD固态硬盘
网络和NAS
Redshift的渲染速度比CPU渲染器快几倍。这意味着您的网络负担也可能更高，就像您添加更多渲染节点一样！如上所述，Redshift将纹理缓存到本地磁盘，因此它不会尝试一遍又一遍地通过网络加载纹理（只有在纹理发生变化时才会这样做）。但是，其他文件（如Redshift代理）不会在本地缓存，因此将反复通过网络访问它们。在这种情况下，快速网络和网络附加存储（NAS）通常可以正常工作。
但是，在某些情况下，用户报告某些NAS解决方案的性能极低。由于市场上有许多NAS产品，我们强烈建议您通过网络使用大型Redshift代理对所选NAS进行彻底测试。例如，尝试导出一个包含3000万个三角形的大型Redshift代理（曲面细分的球体可以），将其保存在网络文件夹中，然后尝试通过网络路径和本地文件在场景中使用它 - 测量两者之间的渲染性能差异。
回顾一下：
- 使用Redshift进行渲染就像使用大量机器进行渲染一样。这可能会给您的网络带来压力。
- 彻底测试您的网络存储解决方案！其中一些有性能问题！
