Planned maintenance
A system upgrade is planned for 10/12-2024, at 12:00-13:00. During this time DiVA will be unavailable.
Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Parallel Computing: Performance of a clustered Raspberry Pi environment vs desktop processors
University West, Department of Engineering Science, Division of Mathematics, Computer and Surveying Engineering.
University West, Department of Engineering Science, Division of Mathematics, Computer and Surveying Engineering.
2021 (English)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE creditsStudent thesisAlternative title
Parallella beräkningar : Prestanda I en klustrad Raspberry Pi miljö jämfört med stationära processorer (Swedish)
Abstract [en]

This study wanted to find out if a company was spending unnecessary recourses on its equipment by installing big servers when they would actually manage just fine on a cluster of Raspberry Pis. Raspberry Pis performance have never been powerful enough to be implemented in a company network, but with the latest generation that was changed. The authors then wanted to know if the technology was ready to be used in a production network.

The equipment used in this study comprised of a total of nine Raspberry Pi 4s and a selection of different processors under different kinds of loads. The different processors had been given the task of rendering the classic BMW-render in Blender Render, after which they’ve been investigating how many prime numbers they could find between 2 and one million. This was done using both on single thread, and multithread. After this, compared how long it took for the different processors to complete the task. The cluster proved to be slower than expected. The quickest processor in the study completed the rendering of a frame in one third of the time it took for the cluster to do the same. When benchmarking the clusters ability to calculate primes, it took about six times as long as the Ryzen 9 when the AMD had access to all its threads.

To test the clusters response intensive performance a webserver application was installed and then stress tested with the help of three other stronger computers. One of the machines that was stress testing also collected the response time to determine how much impact that was made. With Apache2 installed the cluster stopped responding after 500 open sockets. With NGINX installed the impact was not big enough to notice any difference in the performance, no matter how long and strong the test ran for.

Abstract [sv]

Den här studien ville ta reda på om företag spenderade onödigt mycket resurser på sin utrustning genom att installera servrar, när de egentligen kunde klara sig lika bra på ett kluster bestående av Raspberry Pis. Raspberry Pis hade länge varit för svaga för att kunna bidra med något vettigt i ett företagssammanhang, men när den senaste generationen lanserades så tog evolutionen ett stort kliv framåt. Författarna ville därför ta reda på om tekniken var mogen att användas i ett produktionsnätverk.

Utrustningen som användes var ett kluster av totalt nio Raspberry Pi 4 samt ett urval av olika processorer under olika sorters last. De olika processorerna har delvis fått rendera den klassiska BMW-renderingen i Blender Render samt undersökt hur många primtal det fannsmellan 2 och en miljon. Här testades både single-thread och multi-thread. Sedan jämfört hur lång tid det tog för de olika processorerna att utföra arbetet. Klustret visade sig dock vara förvånansvärt mycket långsammare än väntat. Den snabbaste processorn i studien utförde renderingen av en frame på en tredjedel av tiden det tog för klustret att göra detsamma. När klustrets förmåga att räkna primtal testades så tog klustret ca sex gånger så lång tid på sig som en Ryzen 9 när AMDn fick tillgång till alla sina trådar.

För att testa klustret i realtidsoperationer så installerades en webbserver, varpå klustret utsattes för en stresstest från tre starkare datorer. En av maskinerna som utförde stresstesten mätte samtidigt responstiden på klustret genom att undersöka hur snabbt den fick svar. Med Apache2 installerat så slutade klustret svara redan vid 500 öppnade sockets. Därefter installerades NGINX. Med NGINX på plats märktes dock aldrig någon skillnad i prestanda på klustret, oavsett hur stark stress-testen blev och oavsett hur länge testet pågick.

Place, publisher, year, edition, pages
2021. , p. 22
Keywords [en]
Raspberry, Pi, Cluster, Rendering, Benchmark, Network, Parallel, Computing
Keywords [sv]
Raspberry, Pi, Kluster, Rendering, Mätning, Nätverk, Parallel, Beräkning
National Category
Computer Sciences
Identifiers
URN: urn:nbn:se:hv:diva-17805Local ID: EXD500OAI: oai:DiVA.org:hv-17805DiVA, id: diva2:1612718
Subject / course
Computer engineering
Educational program
Nätverksteknik med IT-säkerhet
Supervisors
Examiners
Available from: 2021-12-06 Created: 2021-11-19 Last updated: 2021-12-06Bibliographically approved

Open Access in DiVA

No full text in DiVA

By organisation
Division of Mathematics, Computer and Surveying Engineering
Computer Sciences

Search outside of DiVA

GoogleGoogle Scholar

urn-nbn

Altmetric score

urn-nbn
Total: 211 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf