Как выбрать компьютер для обработки астрофотографий: CPU, RAM, SSD и практические тесты

Эта статья составлена по заметкам и практическим тестам за период с 2020 по 2024 год. Упомянутые в тексте модели CPU и видеокарт, цены на память и результаты Benchmark со временем меняются, поэтому при покупке ориентируйтесь на актуальную рыночную информацию.

«Какой компьютер нужен, чтобы работать в PixInsight?» — частый вопрос в сообществе. За эти годы я сменил несколько машин и протестировал официальным скриптом Benchmark немало конфигураций. В этой статье я собрал свои наблюдения по компонентам в своего рода руководство по выбору, а также привёл динамику реальных результатов тестов за это время.

Сначала о PixInsight Benchmark

PixInsight официально предоставляет скрипт для тестирования производительности, который позволяет оценить, насколько хорошо ваш компьютер справляется с PI; по завершении он выдаёт три показателя: Total, CPU и Swap. Если хотите протестировать, не забудьте сначала обновить PI до последней версии.

Впервые я протестировал компьютер, который стоит у меня в офисе и используется для обработки астрофотографий (AMD APU 2400G, DDR4 2666 14GB, M.2 SSD), — лучшим результатом был Total около 6414. После того как я обновил процессор (AMD R5 4650G), показатель CPU буквально удвоился и перевалил за тринадцать тысяч, при этом энергопотребление всей системы не превышало 120 Вт — результат меня очень порадовал. Этот показатель даже сравнялся с результатом моего обычного домашнего настольного компьютера (R5-3600, 32GB DDR4 3200).

Ранний результат запуска PixInsight Benchmark на AMD APU 2400G Результат Benchmark на платформе AMD R5-3600

Как выбирать каждый компонент

К 2023 году, когда мои камеры перешли с CCD на CMOS (IMX571, IMX455 и т. д.), а изображения выросли с чуть более десяти мегапикселей до двадцати четырёх и даже шестидесяти мегапикселей, характеристик моего прежнего офисного компьютера стало не хватать — само переключение между отменой и повтором действия (undo/redo) занимало три секунды, что делало сравнение изображений до и после совсем неинтуитивным. К тому же именно в этом году в массовом порядке появились ИИ-процессы, которые понадобились на многих этапах рабочего процесса, поэтому я заново продумал логику выбора компонентов:

CPU

PI требует «много ядер, и все они должны быть большими». На массовых ПК высокопроизводительные потребительские CPU вроде AMD 7950X или Intel i9-13900K показывают лучшую производительность. Отдельно стоит отметить: версии AMD X3D не дают никакого преимущества для PI, а их реальная производительность в задачах обработки может быть даже немного ниже, чем у обычной версии 7950X — если вы не собираетесь ещё и играть, достаточно выбрать обычную версию.

Кроме того, кто-то однажды запустил R9-7950X под Linux и получил результат выше пятидесяти тысяч, полностью обойдя серию i9-13900 (5-нм технология TSMC действительно впечатляет). Тем, кто планирует скоро менять машину, стоит присмотреться к подобным сочетаниям.

Верхние позиции рейтинга PixInsight Benchmark, где выделяется связка R9-7950X + Linux

Видеокарта (VGA)

Тем, кто обрабатывает кометы, или чей рабочий процесс требует многократного удаления звёзд и шумоподавления, на ПК я рекомендую добавить видеокарту NVIDIA, чтобы ядра CUDA помогали ускорять SXT, NXT и BXT. По рыночным ценам того времени первым выбором была серия RTX 30 (например, RTX 3060 или 3060 Ti). Если вы не играете, хороший вариант — версия RTX 3060 12G: она экономична, имеет больше VRAM и даже может по совместительству использоваться для Stable Diffusion. (Подробные практические тесты ускорения на GPU разобраны в отдельной статье.)

Что касается Mac, на моделях от M1 и новее ускорение GPU включается автоматически.

SSD

Файлы, с которыми вы работаете, как минимум нужно держать на SATA SSD; в нынешних условиях ещё лучше держать их на M.2 SSD. SSD PCIe Gen3 вполне достаточно, а прирост от Gen4 на практике невелик (он быстрее только при копировании файлов).

Кстати, если вы запускаете PI Benchmark на RAMDISK, но скорость доходит только до 4GB/s, в этом мало смысла — если RAMDISK не может выдать хотя бы 10GB/s, лучше сразу поменять его на недорогой SSD PCIe Gen4 (7GB/s должно быть уже достаточно быстро).

RAM

PI довольно эффективно использует память. Если вы не обрабатываете постоянно крупные изображения с полнокадровых и более крупных сенсоров, 32GB уже достаточно. Если у вас DDR4, можно сразу поставить 64GB; DDR5 на тот момент была ещё довольно дорогой, поэтому лучше начать с 32GB и добавить позже при необходимости.

Здесь есть важный момент: если памяти не хватает, даже самый быстрый CPU не сможет раскрыть свой потенциал. Перед запуском скрипта или процесса PI сначала оценивает доступную память; если её недостаточно, чтобы обеспечить все потоки, PI напрямую ограничивает число используемых потоков. Например, если каждому потоку нужно 1,7GB, а свободно осталось только 19GB памяти, PI пропустит только 9 потоков, хотя у вашего CPU все 32 потока — а значит, 23 потока просто простаивают. Официально PI рекомендует около 2GB памяти на поток — например, для AMD 7950X (16 больших ядер, 32 потока) нужно поставить как минимум 64GB, чтобы программа могла раскрыться полностью.

Ситуация, когда при нехватке памяти PixInsight автоматически ограничивает число доступных потоков

Несколько моих практических тестовых машин

За время всех этих замен у меня накопилось несколько показательных машин:

Офисный компьютер AMD R5-2400G → R5-4650G: именно на офисном компьютере с 2400G я впервые изучал PI, позже обновил его до 4650G (производительность примерно на уровне R5-3600); но из-за небольшого корпуса, кроме CPU, памяти и SSD, дополнительную видеокарту установить было некуда.
Игровой ноутбук AMD R7-5800H: 32GB DDR4 3200, SSD M.2 Gen3, RTX 3060 Laptop 6G, общая стоимость — менее 40000 новых тайваньских долларов. Удовольствие от самостоятельного апгрейда RAM и SSD бесценно, а видеокарта занята исключительно ускорением удаления звёзд через CUDA.
Новый настольный компьютер AMD R9-7950X: DDR5 6000 16G×2, необслуживаемая СЖО (AIO) 360 мм, материнская плата B650, несколько SSD M.2 PCIe, RTX 3060 12G, блок питания 750W. При сборке этой машины я сосредоточил бюджет на компонентах, наиболее связанных с обработкой изображений (CPU, охлаждение, видеокарта), а на остальной периферии максимально сэкономил.

Характеристики и Benchmark новой сборки на R9-7950X Результат PI Benchmark игрового ноутбука R7-5800H

К концу 2024 года, после обновления PI до крупной версии 1.9 Lockhart, я, как обычно, провёл ещё один раунд тестов. Средние показатели этих трёх машин составили: у почти пятилетнего R5-3600 — около 14700, у трёхлетнего R7-5800H — около 17000, у почти двухлетнего R9-7950X — около 29800. 7950X как основной настольный компьютер и после двух лет остаётся исключительно сильным — похоже, он продержится ещё пару лет, пока я жду CPU следующего поколения от AMD. Конечно, если бы я собирал компьютер прямо сейчас, то топового R9-9950X, вероятно, хватило бы ещё лет на пять.

Сравнение результатов Benchmark трёх компьютеров после обновления PixInsight 1.9

Несколько легко упускаемых деталей

Об Apple ARM: начиная с версии 1.9 PI сменил вычислительный движок и постепенно переходит к нативной поддержке Apple ARM вместо работы через эмулятор. До этого (в эпоху 1.8.x) PI на M1/M2 работал через эмулятор, и это нужно учитывать при оценке производительности.
Требования к CPU с версии 1.9: начиная с этой версии PixInsight больше не поддерживает старые CPU без инструкций AVX2/FMA3 (для Intel — примерно до второго квартала 2013 года, для AMD — примерно до второго квартала 2015 года); на этих старых платформах установить новую версию PI не получится. Тем, кто ещё пользуется старым ПК, рекомендую заранее оценить необходимость смены машины перед переходом на крупную версию.
Зависания процессоров Intel серии K 13-го и 14-го поколений: несколько коллег по хобби сообщали, что CPU Intel серии K 13-го и 14-го поколений зависают при запуске PI со значениями по умолчанию. Позже производитель выпустил обновление BIOS, которое снижает производительность примерно на 10%, но обеспечивает стабильность системы; тем, кто использует i9-13900K, 14900K, 14700K, стоит обновиться и протестировать.
Время с момента включения влияет на результат: в Windows, чтобы получить лучший результат Benchmark, лучше всего запускать тест сразу после полного выключения и повторного включения, когда система только что загрузилась. На моём компьютере простая перезагрузка не помогает — нужно именно выключить и включить заново, иначе SSD не выполнит сборку мусора (garbage collection); примерно через неделю работы скорость последовательного чтения SSD падает ниже 3000MB/s. Периодически выключать и заново включать компьютер действительно необходимо.

Влияние времени работы после включения на результат Benchmark и скорость чтения SSD

Кстати: компьютер для управления съёмкой

Помимо основной машины для постобработки, на месте съёмки нужен ещё один компьютер для управления, и логика его выбора совершенно другая — важна не производительность, а стабильность и устойчивость к условиям окружающей среды. Я раздобыл два модуля ноутбучной памяти DDR5, объединил их со старым SSD M.2 Gen3 и собрал небольшой компьютер на базе ядра Intel 1240P — он служит управляющей машиной во время съёмки астрофотографий (одновременно управляет одной монтировкой, двумя трубами и двумя камерами), а также используется для стекинга в реальном времени (live stacking). У него нет аккумулятора, поэтому он не боится низких температур в горах; но это система с вентилятором, поэтому её нельзя устанавливать прямо на трубу.

Компьютер для управления съёмкой, собранный на базе Intel 1240P

Итог

При сборке компьютера для запуска PI порядок приоритетов примерно такой: CPU с большим числом больших ядер, достаточный для всех потоков объём памяти, приличный SSD M.2, а затем, в зависимости от рабочего процесса, видеокарта NVIDIA. Характеристики оборудования продолжают меняться от поколения к поколению, но принцип «вкладывать бюджет в компоненты, наиболее тесно связанные с обработкой изображений» устаревает не так быстро.