Como escolher um computador para o processamento de imagens astronômicas: CPU, RAM, SSD e testes reais

Este artigo foi compilado a partir de anotações e testes reais feitos entre 2020 e 2024. Os modelos de CPU e de placa de vídeo, os preços de memória e as pontuações de Benchmark mencionados no texto mudam todos com o tempo, então, na hora de comprar, tome como referência as informações de mercado atuais.

“Que computador devo montar para rodar o PixInsight?” é uma pergunta comum na comunidade. Nestes últimos anos, troquei de máquina várias vezes e medi bastantes combinações com o script de Benchmark oficial. Este artigo organiza as minhas conclusões em um guia de compra dividido por componente, acrescentando a evolução das pontuações reais que fui registrando ao longo do caminho.

Primeiro, uma palavra sobre o PixInsight Benchmark

O PixInsight oferece oficialmente um script de teste de desempenho com o qual você pode avaliar o desempenho do seu computador rodando o PI; ao terminar, ele dá três pontuações: Total, CPU e Swap. Se for medir, lembre-se de atualizar o PI para a versão mais recente antes de rodá-lo.

Fiz as primeiras medições no computador que deixo na empresa e uso para processar imagens astronômicas (AMD APU 2400G, DDR4 2666 14GB, M.2 SSD): no melhor caso, chegava a um Total de apenas cerca de 6.414. Depois de atualizar o processador (AMD R5 4650G), a pontuação da CPU simplesmente dobrou, disparando para mais de treze mil, e além disso a máquina inteira não passava de 120 watts de consumo total — um resultado que me deixou muito satisfeito; essa pontuação até empatava com o desktop de tamanho normal que tenho em casa (R5-3600, 32GB DDR4 3200).

Como escolher cada componente

Chegado 2023, à medida que minhas câmeras trocaram de CCD para CMOS (IMX571, IMX455 etc.) e as imagens passaram de pouco mais de dez milhões de pixels para vinte e quatro e até sessenta milhões de pixels, as especificações do meu antigo computador de escritório começaram a sofrer — só alternar entre um passo para trás e um passo para frente já levava três segundos, o que tornava a comparação entre as imagens de antes e depois nada intuitiva. Somava-se a isso o fato de que, naquele ano, os processos de IA chegaram em grande número e passaram a ser usados em muitas etapas do fluxo de trabalho. Assim, reorganizei a minha lógica de compra:

CPU

O que o PI quer é “muitos núcleos, e todos eles núcleos grandes”. Nos PCs convencionais, CPUs de consumo de ponta como o AMD 7950X ou o Intel i9-13900K têm melhor desempenho. Vale um alerta especial: as versões X3D da AMD não trazem nenhum benefício para o PI, e o seu desempenho real em produtividade pode até ser ligeiramente inferior ao do 7950X comum — a menos que você também queira jogar, basta escolher a versão comum.

Além disso, alguém já rodou um R9-7950X com Linux e tirou uma pontuação acima de cinquenta mil, atropelando de vez a série i9-13900 (o processo de 5 nm da TSMC é realmente potente); quem pretende trocar de máquina em breve pode ficar de olho nesse tipo de combinação.

Placa de vídeo (VGA)

Quem processa cometas, ou cujo fluxo de trabalho exige remover estrelas e reduzir ruído repetidamente, num PC eu recomendo acrescentar uma placa de vídeo NVIDIA, para que os núcleos CUDA ajudem a acelerar SXT, NXT e BXT. Aos preços de mercado da época, a série RTX 30 (como a RTX 3060 ou a 3060 Ti) era a primeira escolha. Se você não joga, a RTX 3060 na versão de 12G é uma boa opção — econômica, com mais VRAM e capaz até de servir também como máquina para Stable Diffusion. (Há um artigo dedicado com testes reais detalhados sobre a aceleração por GPU.)

No lado do Mac, os modelos a partir do M1 ativam a aceleração por GPU automaticamente.

SSD

No mínimo, coloque os arquivos que vai processar em um SSD SATA para trabalhar a partir dele; dada a situação predominante atual, colocá-los em um SSD M.2 é ainda melhor. Um SSD PCIe Gen3 já basta; o benefício que o Gen4 traz é, na verdade, pequeno (só é mais rápido na hora de copiar arquivos).

A propósito, se você rodar o PI Benchmark com um RAMDISK mas a velocidade só chegar a 4GB/s, não faz muito sentido — se um RAMDISK não alcança pelo menos 10GB/s, é melhor trocar de uma vez por um SSD PCIe Gen4 em conta (7GB/s já deve ser rápido o suficiente).

RAM

O PI aproveita a memória de forma bastante eficiente. A menos que você processe sempre imagens grandes de sensores full frame ou maiores, 32GB já são suficientes. Se você usa DDR4, pode ir direto para 64GB; a DDR5 ainda estava meio cara na época, então comece com 32GB e acrescente mais se surgir a necessidade.

Aqui há um conceito importante: se a memória não for suficiente, nem a CPU mais rápida consegue dar o seu melhor. Antes de executar um script ou processo, o PI primeiro estima a memória disponível; se não houver espaço bastante para alimentar todas as threads, ele limita diretamente o número de threads utilizáveis. Por exemplo, se cada thread precisa de 1,7GB mas restam apenas 19GB de memória, o PI só libera 9 threads; mas a sua CPU claramente tem 32 threads, o que equivale a 23 threads paradas à toa. Oficialmente, o PI recomenda cerca de 2GB de memória por thread — tomando o AMD 7950X (16 núcleos grandes, 32 threads) como exemplo, é preciso instalar pelo menos 64GB para que o software possa render por completo.

Algumas das minhas máquinas de teste

Ao longo de todas essas trocas, tenho à mão algumas máquinas representativas:

• Computador de escritório AMD R5-2400G → R5-4650G: foi justamente no computador de escritório com o 2400G que aprendi PI no começo, e depois subi para o 4650G (desempenho equivalente mais ou menos a um R5-3600); mas, por causa do gabinete pequeno, além da CPU, da memória e do SSD, não havia espaço para instalar uma placa de vídeo adicional.
• Notebook gamer AMD R7-5800H: 32GB DDR4 3200, SSD M.2 Gen3, RTX 3060 Laptop 6G, com um custo total inferior a quarenta mil dólares taiwaneses. O prazer de atualizar a RAM e o SSD com as próprias mãos não tem preço, e a placa de vídeo fica dedicada à remoção de estrelas acelerada por CUDA.
• Novo desktop AMD R9-7950X: DDR5 6000 16G×2, um water cooler all-in-one de 360, uma placa-mãe B650, vários SSDs M.2 PCIe, uma RTX 3060 12G e uma fonte de 750W. Ao montar essa máquina, concentrei o orçamento nos componentes mais relacionados ao processamento de imagens (CPU, refrigeração líquida, placa de vídeo) e espremi ao máximo o restante dos periféricos.

No fim de 2024, depois de o PI ser atualizado para a versão principal 1.9 Lockhart, como de costume fiz mais uma rodada de testes. As pontuações médias dessas três máquinas que tenho foram, respectivamente: o R5-3600, usado há quase cinco anos, cerca de 14.700; o R7-5800H, de três anos, cerca de 17.000; e o R9-7950X, de quase dois anos, cerca de 29.800. O 7950X, como desktop principal, depois de dois anos continua com um desempenho excelente, e parece que ainda aguenta mais dois anos enquanto espero a próxima geração de CPUs da AMD. Claro que, se fosse montar uma máquina agora, ir direto ao topo com um R9-9950X provavelmente me cobriria por mais cinco anos.

Alguns detalhes fáceis de passar despercebidos

• Sobre o Apple ARM: a partir da versão 1.9, o PI trocou o seu motor de cálculo e caminha aos poucos para o suporte nativo ao Apple ARM, em vez de rodar por meio de um emulador. Antes disso (na era 1.8.x), o PI nos M1/M2 era executado sob emulação, e é preciso levar esse ponto em conta ao avaliar o desempenho.
• O limite de CPU a partir da 1.9: a partir da versão 1.9, o PixInsight deixou de dar suporte às CPUs antigas que não têm as instruções AVX2/FMA3 (Intel mais ou menos antes do segundo trimestre de 2013, AMD mais ou menos antes do segundo trimestre de 2015); essas plataformas antigas não conseguirão instalar a nova versão do PI. A quem ainda usa um PC antigo, recomendo avaliar a troca de máquina antes de saltar para a versão principal.
• Travamentos das Intel K de 13ª/14ª geração: vários colegas de hobby já relataram que as CPUs Intel da série K de 13ª e 14ª geração travam ao rodar o PI com os valores padrão. Mais tarde, o fabricante lançou uma atualização de BIOS que reduz o desempenho em cerca de 10% mas garante a estabilidade do sistema; quem usa uma i9-13900K, 14900K ou 14700K faz bem em atualizar e testar.
• O tempo desde a inicialização afeta a pontuação: no Windows, para tirar a melhor pontuação de Benchmark, o ideal é rodá-lo logo após “desligar e ligar de novo”, com a máquina recém-iniciada. No caso do meu computador, um simples reinício não adianta; é preciso desligar e depois ligar de novo, senão o SSD não executa a coleta de lixo; depois de cerca de uma semana ligado, a velocidade de leitura sequencial do SSD cai para menos de 3000MB/s. Desligar e reiniciar periodicamente é mesmo necessário.

A propósito: o computador de controle das capturas

Além da máquina principal de pós-processamento, o local de captura precisa também de um computador de controle, e a lógica para escolhê-lo é completamente diferente — o que importa não é o desempenho, mas a estabilidade e a resistência ao ambiente. Consegui dois pentes de memória DDR5 para notebook, combinei-os com um antigo SSD M.2 Gen3 e montei um pequeno computador baseado em um núcleo Intel 1240P, para servir de máquina de controle durante as capturas de imagens astronômicas (controlando ao mesmo tempo uma montagem, dois tubos e duas câmeras) e também para o empilhamento ao vivo (live stacking). Ele não tem bateria, então não teme o frio lá no alto da montanha; mas é um sistema com ventoinha, por isso não pode ser montado diretamente sobre o tubo óptico.

Em resumo

Para montar um computador que rode o PI, a ordem de prioridade é mais ou menos esta: uma CPU com muitos núcleos grandes, memória suficiente para corresponder ao número de threads, um SSD M.2 decente e, então, conforme o fluxo de trabalho, acrescentar uma placa de vídeo NVIDIA. As especificações de hardware não param de mudar de geração em geração, mas o princípio de “investir o orçamento nos elos mais relacionados ao processamento de imagens” não sai de moda com facilidade.