badge xeon blue

GPU Server

Beeindruckende Rechenleistung

Die Grafikkarten dieser Serverreihe sind speziell für rechenintensive Prozesse konfiguriert. Dank der enormen Rechenleistung der Prozessoren sind GPU Server optimal geeignet für die gleichzeitige Bearbeitung mehrerer Tasks.

GPU

Vorteile der GPU Server

Hohe Frequenz

NVIDIA GeForce GTX 1080

Der Einsatz von Grafikkarten und Bi-Prozessoren steigert die Rechenleistung des Servers enorm. Die Kombination tausender CUDA Cores ermöglicht die Verarbeitung komplexer Tasks sowie Massiv Parallel Processing.

Eigenschaften der Grafikkarte:

  • 8 GB DDR5
  • 2560 CUDA Cores
  • 320 Gbit/s RAM-Bandbreite
  • Nvidia GPU Boost 3.0 Technology
Kompatibel mit Linux, CUDA/OpenCL und KVM.

Unsere Server im Überblick

Intel  2x Xeon E5-2667v3
16/32t - 3.2GHz /3.2GHz
64GB DDR4 ECC 2400 MHz
SoftRaid  2x480GB SSD
4 x NVIDIA Geforce GTX 1080
200 Mbit/s Bandbreite
vRack: 100 Mbit/s
Ab:
1 362,99 €
 / Monat (inkl. MwSt)

Einsatzzwecke eines GPU Servers

Backup-Server

Cloud Gaming

Erstellen Sie Spieleumgebungen on demand und bieten Sie Gaming Sessions in High Definition, ohne sich um die Server-Performance sorgen zu müssen.

Multimedia-Speicher

3D-Rendering

Nutzen Sie die Rechenleistung der Grafikkarten, um komplexe 2D- und 3D-Animationen zu generieren.

Speichern großer Datenbanken

Video

Beschleunigen Sie Bearbeitung und Encoding Ihrer Videos dank der Rechenleistung der GPUs.

Antworten auf Ihre Fragen

Warum werden Grafikkarten in Servern verwendet?

Grafikkartenprozessoren (GPU) verfügen über wesentlich mehr Cores als ein herkömmlicher Prozessor (CPU). So ist es möglich, gleichzeitig eine große Anzahl paralleler Tasks durchzuführen. Ursprünglich wurde diese Technik für Grafikoperationen (OpenGL/Direct3D) entwickelt. Mithilfe von Programmiersprachen wie CUDA oder OpenCL kann sie heute auch für klassische CPU-Anwendungen eingesetzt werden.

Für welchen Zweck ist ein GPU Dedicated Server geeignet?

Die GPU-Architektur ist ideal für Anwendungen, die die gleichzeitige Bearbeitung mehrerer Tasks erfordern (etwa in den Bereichen Bildbearbeitung, Bio-Informatik, Big Data oder Deep Learning) und sorgt für eine enorme Beschleunigung besonders ressourcenintensiver Berechnungen.