Architektura procesora wpływa na działanie Plexa głównie poprzez dostępność oprogramowania, sprzętowe bloki wideo, sterowniki i obsługę kodeków — a nie przez samą etykietę x86 lub ARM.
Dwa procesory o podobnym poborze mocy mogą oferować zupełnie różne możliwości odtwarzania. Najważniejsze pytania to: czy Plex działa w danym systemie operacyjnym, czy platforma udostępnia obsługiwane ścieżki dekodowania i kodowania oraz czy używane kodeki, procedury HDR, napisy i klienty rzeczywiście z tych ścieżek korzystają. Architektura jest przede wszystkim bramą zgodności, a dopiero potem kryterium oceny wydajności.
Zacznij od obsługi oprogramowania i platformy
Architektura ma znaczenie tylko wtedy, gdy kompilacja Plexa i system operacyjny hosta obsługują funkcje potrzebne na serwerze. ARM może doskonale sprawdzać się w zadaniach Direct Play, a jednocześnie mieć inne ograniczenia transkodowania niż popularne minikomputery x86.
Plex może działać na sprzęcie Raspberry Pi, ale transkodowanie i akceleracja nadal wymagają sprawdzenia specyficznego dla danego urządzenia.
Przed porównaniem wyników testów wydajności upewnij się, że dokładna wersja systemu operacyjnego hosta i kompilacja Plexa obsługują potrzebną architekturę. Jeśli wymagana funkcja nie jest dostępna na danej platformie, usuń ją z listy rozważanych opcji, nawet jeśli procesor wydaje się wystarczająco szybki.
Sprzętowe bloki wideo mogą mieć większe znaczenie niż ogólna wydajność procesora
Transkodowanie w Plexie może przenosić obciążenie z rdzeni procesora na dedykowany silnik multimedialny, gdy cały stos oprogramowania go obsługuje. Dzięki temu procesor z niższej półki może przewyższyć szybszy procesor ogólnego przeznaczenia w konkretnym zadaniu konwersji wideo w czasie rzeczywistym.
W testach Plexa na procesorze Intel N100 kilka równoczesnych transkodowań sprzętowych działało przy umiarkowanym obciążeniu procesora.
Wypisz kodeki i rozdzielczości, które rzeczywiście wymagają konwersji, a następnie zweryfikuj działanie sprzętowego dekodowania, kodowania i mapowania tonów dla tych przypadków. Jeśli niemal cały materiał jest odtwarzany w trybie Direct Play, nie przepłacaj za funkcję akceleracji, z której prawie nie korzystasz.
Wyniki AMD pokazują, dlaczego generacja i ścieżka sterownika mają znaczenie
Ta sama rodzina architektur może działać odmiennie w różnych generacjach procesorów i systemach operacyjnych. Ogólna zasada AMD kontra Intel może więc pomijać ograniczenia sterowników lub akceleracji charakterystyczne dla konkretnej generacji.
Testy transkodowania Plexa na procesorach Ryzen wykazały różne rezultaty akceleracji w poszczególnych generacjach Zen pod kontrolą Linuksa.
Przetestuj dokładny model lub znajdź aktualny test przeprowadzony na tej samej generacji, w tym samym systemie operacyjnym i przy takim samym obciążeniu Plexa. Jeśli obsługa zależy od nietrwałego obejścia problemu lub niezweryfikowanej przyszłej aktualizacji, na potrzeby decyzji zakupowej uznaj akcelerację za niedostępną.
Traktuj ARM, Intel i AMD jako ścieżki zależne od obciążenia
Właściwa platforma to ta, która obsługuje używaną kombinację odtwarzania Direct Play i transkodowania przy akceptowalnym poborze mocy oraz poziomie złożoności obsługi. ARM często wygrywa prostotą i niskim zużyciem energii w przypadku zgodnych materiałów, podczas gdy opcje x86 oferują większy wybór przy bardziej wymagających zadaniach konwersji.
dedykowany sprzęt do kodowania wideo może zwiększyć przepustowość w czasie rzeczywistym i efektywność energetyczną.
Przed wyborem platformy przygotuj macierz obejmującą Direct Play, transkodowanie programowe, transkodowanie sprzętowe, mapowanie tonów HDR i pobór mocy w stanie bezczynności. Jeśli w jednym z wymaganych wierszy nie ma obsługiwanej ścieżki, dana architektura nie jest odpowiednia, nawet gdy pozostałe parametry wyglądają dobrze. Odnieś te kryteria do rzeczywistych wymagań sprzętowych Plexa dla używanej kombinacji strumieni, a nie do oznaczenia marki procesora.
Centrum Technologii i Sztucznej Inteligencji
Więcej do przeczytania

Jak zmniejszanie rozdzielczości szeregów czasowych wpływa na wykrywanie anomalii w inteligentnym domu?
Zobacz, jak szerokość przedziałów, agregacja, antyaliasing, brakujące dane, czas trwania zdarzenia i przechowywanie danych w wielu skalach wpływają na wykrywanie anomalii w inteligentnym domu.

Jak mapa zajętości łączy słabe sygnały inteligentnego domu?
Dowiedz się, jak komórki przestrzenne, modele czujników, aktualizacje log-ilorazów szans, wygaszanie, skorelowane dane i wartości progowe przekształcają słabe sygnały z domu w szacunki obecności...

Jak normalizacja fotometryczna wpływa na klasteryzację prywatnych twarzy?
Zobacz, jak korekcja oświetlenia zmienia kadry twarzy, reprezentacje wektorowe, odległości między klastrami, wartości progowe, nadmierną normalizację i ocenę wyszukiwania prywatnych zdjęć.

