Quanto espaço de iGPU é necessário para vários utilizadores do Jellyfin?
O Jellyfin precisa de margem suficiente na iGPU para suportar a combinação normal mais exigente de sessões simultâneas com transcodificação por hardware sem criar uma fila.
Não existe um número universal de utilizadores por iGPU, porque a descodificação do codec, a resolução de saída, o mapeamento de tons HDR, a incorporação de legendas, a taxa de fotogramas e a largura de banda da memória alteram a carga. Os utilizadores de Reprodução direta consomem praticamente nenhuma capacidade de transcodificação, enquanto uma conversão difícil pode custar mais do que várias conversões simples. Defina uma combinação de cargas de trabalho antes de escolher uma percentagem ou um número de streams.
Conte classes de transcodificação em vez de utilizadores
Um agregado familiar com seis utilizadores pode exigir menos processamento gráfico do que dois utilizadores remotos se a maioria dos clientes utilizar a Reprodução direta. O planeamento da capacidade deve contabilizar os modos de reprodução e os filtros que entram efetivamente no motor multimédia.
Diferentes caminhos de conversão do Jellyfin podem produzir débitos muito diferentes no mesmo sistema.
Classifique as sessões previstas como Reprodução direta, transcodificação simples por hardware, transcodificação com mapeamento de tons e incorporação de legendas. Dimensione com base na combinação ponderada, e não no número de contas.
O mapeamento de tons e a incorporação de legendas consomem margem adicional
O motor multimédia pode fazer mais do que codificar e descodificar. A conversão HDR e a composição de legendas podem tornar-se as etapas que reduzem primeiro a simultaneidade.
O comportamento da incorporação de legendas explica por que motivo uma escolha de legendas pode forçar o processamento integral do vídeo, mesmo quando o codec de vídeo subjacente é compatível.
Inclua pelo menos um caso difícil de HDR com legendas no teste de pico se o agregado familiar utilizar esse tipo de conteúdo. Caso contrário, a margem calculada pode desaparecer na primeira vez que esse conteúdo for reproduzido.
Os gráficos integrados também partilham a largura de banda da memória do sistema
Uma iGPU não dispõe de um subsistema de memória isolado, ao nível de uma estação de trabalho; compete pela memória do sistema e pode ser afetada pela configuração dos canais e por outras cargas de trabalho. Isso faz com que as condições do anfitrião sejam parte do resultado.
As aplicações colocadas em conjunto podem apresentar interferência de recursos quando as cargas de trabalho se sobrepõem, pelo que uma referência de transcodificação limpa pode sobrestimar a capacidade num servidor doméstico ocupado.
Repita a matriz de transcodificação com os serviços complementares habituais ativos. A referência de streaming acelerado por hardware deve refletir o anfitrião tal como será efetivamente executado, e não um ambiente de referência vazio.
Reserve margem acima do ponto de falha medido
Uma utilização elevada não é automaticamente um problema se o motor mantiver uma saída em tempo real com latência estável, mas a saturação sem margem torna o sistema vulnerável a um único ficheiro mais exigente. Defina o ponto em que a velocidade de transcodificação ou a estabilidade da reprodução se degradam.
O método USE fornece uma linguagem clara para utilização, saturação e erros, em vez de uma percentagem segura mágica.
Aumente a simultaneidade até à primeira falha reproduzível e, em seguida, defina o limite de funcionamento abaixo desse ponto, com margem suficiente para a variabilidade normal. Volte a testar após alterações importantes de controladores, clientes ou bibliotecas.
Produtos recomendados
Centro de Tecnologia e IA
Mais para Ler
Como afeta a redução da frequência de amostragem de séries temporais a deteção de anomalias em casas inteligentes?
Veja como a largura dos intervalos, a agregação, o anti-aliasing, os dados em falta, a duração dos eventos e a retenção multiescala alteram a...
Como é que uma grelha de ocupação combina sinais fracos de uma casa inteligente?
Saiba como células espaciais, modelos de sensores, atualizações de log-odds, decaimento, evidências correlacionadas e limiares transformam sinais domésticos fracos em estimativas de ocupação.
Como é que a normalização fotométrica afeta o agrupamento privado de rostos?
Veja como a correção da iluminação altera recortes faciais, embeddings, distâncias entre clusters, limiares, sobre-normalização e a avaliação da pesquisa privada de fotografias.
