Respaldo silencioso a CPU en Karma XPU: causas, comprobaciones y soluciones
Qué es el “respaldo silencioso a CPU” (silent CPU fallback), cómo detectarlo y cómo evitarlo:
- Qué es: cuando falla un dispositivo GPU OptiX, por ejemplo porque se queda sin memoria, la documentación de SideFX indica que los demás dispositivos, incluida la CPU, asumen su trabajo. El fotograma termina, solo que mucho más despacio.
- Por qué es fácil pasarlo por alto: el render no se detiene. El estado del dispositivo (fail) aparece en las estadísticas de render del viewport, y husk guarda estadísticas de render en el EXR, pero un trabajo en una farm puede seguir informando de que terminó bien.
- Cómo detectarlo: vigile los tiempos por fotograma, lea la lista de dispositivos y, en los trabajos de farm, defina KARMA_XPU_DISABLE_EMBREE_DEVICE para que una GPU que falla no tenga una CPU detrás de la que esconderse.
- En iRender: servidores RTX 5090 con 32 GB por GPU dan más margen a una escena pesada, y puede abrir las estadísticas de render en el servidor y vigilar cada dispositivo mientras se renderizan los primeros fotogramas.
Una secuencia de Karma XPU que se renderiza en minutos por fotograma en su estación de trabajo de repente tarda diez veces más en otra máquina, y aun así el log del trabajo no muestra ningún error. En la mayoría de los casos una o varias GPU dejaron de contribuir y la CPU siguió sola. Los artistas lo llaman el respaldo silencioso a CPU de Karma XPU.
Esta guía explica qué ocurre realmente dentro de Karma XPU, las causas habituales, cómo verlo en las estadísticas de render y en la salida de husk, y cómo hacer que falle de forma visible. Se basa en la documentación de Houdini de SideFX y en respuestas del personal de SideFX en el foro de SideFX.
Qué es realmente el respaldo silencioso a CPU
Karma XPU renderiza cada fotograma con varios dispositivos a la vez: cada GPU NVIDIA es un dispositivo OptiX y la CPU es un dispositivo EmbreeCPU. La documentación de SideFX describe lo que ocurre cuando uno de ellos falla: si un dispositivo falla, como puede ocurrir con una GPU que se queda sin memoria, los demás dispositivos, incluida la CPU, asumen la carga. SideFX también indica que el resultado debe ser idéntico sea cual sea la combinación de dispositivos que lo renderiza.
Ese diseño evita que los renders se cuelguen, pero tiene un coste. SideFX señala que los dispositivos GPU aportan mucho más que EmbreeCPU, así que cuando las GPU se caen la CPU termina el fotograma a velocidad de CPU. La imagen se ve bien; solo el tiempo y la lista de dispositivos le dicen que algo salió mal.
Tres formas en que un render de Karma XPU acaba en la CPU
| Qué ocurre | Causa habitual | Lo que usted ve |
|---|---|---|
| La GPU nunca arranca | Driver de NVIDIA anterior a la 570, una GPU con Compute Capability inferior a 5.0, o KARMA_XPU_DISABLE_OPTIX_DEVICE / una lista KARMA_XPU_DEVICES sin optix definida en algún lugar del entorno | No hay dispositivos OptiX, u OptiX aparece como desactivado; EmbreeCPU hace todo el trabajo desde el primer fotograma |
| La GPU falla a mitad del trabajo | La escena, las texturas o los buffers de AOV ya no caben en la memoria de esa GPU; la memoria no se agrupa entre GPU | El estado del dispositivo OptiX cambia a fail, a menudo solo en los fotogramas más pesados |
| La GPU sigue renderizando, pero despacio | La memoria de la GPU se llenó y Karma XPU empezó a desalojar tiles de texturas para seguir adelante | Ningún dispositivo falla, pero el tiempo por fotograma sube; el desalojo aparece en las estadísticas de render |
Según la documentación de Karma XPU de SideFX. La última fila no es un respaldo a CPU, pero desde fuera se parece, así que revísela también.
Cómo detectarlo
- Lea la lista de dispositivos. En el viewport, los dispositivos aparecen arriba a la derecha bajo el progreso del render, cada uno con un estado (idle, init, disabled o fail) y su parte de la imagen. Active Render Stats en la pestaña Guides de Display Options para ver más detalle, incluido por qué falló un dispositivo.
- Conserve las estadísticas de render de los renders por lotes. SideFX indica que husk guarda las estadísticas de render de Karma como metadatos en el EXR renderizado. La utilidad renderstatsreport las convierte en un informe HTML. SideFX señala que las imágenes de Karma XPU llevan menos estadísticas que las de Karma CPU, así que tome el informe como una comprobación más, no como la única.
- Guarde un log de la salida de husk. Ejecute husk con un nivel de detalle más alto (por ejemplo –verbose 9, como suelen hacer los enviadores de las farms) y conserve el log de texto con cada rango de fotogramas.
- Vigile los tiempos por fotograma. Un fotograma que tarda varias veces más que sus vecinos sin que cambie el plano es la señal más habitual, como en la figura anterior.
Haga que un fallo de GPU detenga el trabajo
En una farm normalmente quiere que un fotograma roto falle, no que termine despacio. SideFX documenta dos variables que eliminan el dispositivo de CPU: KARMA_XPU_DISABLE_EMBREE_DEVICE, o KARMA_XPU_DEVICES=optix para usar solo el motor de GPU OptiX. Sin dispositivo de CPU, un fallo de GPU no tiene nada a lo que recurrir, así que el problema aparece de inmediato.
Defina la variable en el entorno del trabajo, en un archivo de paquete de Houdini o en houdini.env de las máquinas de render, renderice el fotograma más pesado y solo entonces envíe el rango completo. Quítela para el trabajo interactivo si le gusta que la CPU ayude en el viewport.
Corrija la causa
- Driver y hardware: SideFX exige el driver de NVIDIA 570 o posterior y recomienda encarecidamente el 575 o posterior en Windows; las GPU necesitan Compute Capability 5.0 o superior.
- Variables: busque en el entorno, los archivos de paquete y houdini.env variables KARMA_XPU que hayan quedado de las pruebas.
- Memoria: cada GPU debe guardar la escena por sí sola. Baje la resolución de las texturas donde no se note; para pelo o pelaje pesados pruebe KARMA_XPU_OPTIX_CURVE_OPT_LEVEL=1 (el ajuste de bajo consumo de memoria de SideFX) y elimine los AOV que no necesite. SideFX señala que con imágenes deep y Karma XPU, husk tiene que reservar todo el raster, así que la salida deep cuesta mucha más memoria que los EXR planos.
- Desbordamiento de memoria en Windows: un desarrollador de SideFX explicó que en Windows la memoria de la GPU puede desbordarse a la memoria del sistema (“memoria compartida”) y seguir rindiendo razonablemente, pero esto no funciona en Linux ni con 2 GPU, así que no cuente con ello en máquinas de render multi-GPU.
- Más memoria por GPU: si el fotograma más pesado está cerca de 24 GB, una RTX 5090 de 32 GB le da margen para seguir en la GPU.
¿Render farm SaaS o IaaS cuando Karma XPU puede recurrir a la CPU?
Ambos modelos de farm producen la misma imagen, porque Karma XPU da el mismo resultado con cualquier combinación de dispositivos. La diferencia está en lo rápido que se entera de que las GPU se cayeron, y en lo que puede cambiar cuando ocurre.
| Su situación | Render farm SaaS | Render farm IaaS (iRender) |
|---|---|---|
| La escena está probada y cabe holgadamente en la memoria de la GPU | Una buena opción. Suba el proyecto y la farm renderiza los fotogramas, a menudo en muchas máquinas, sin servidor que administrar. | También funciona, pero usted mismo inicia, usa y detiene el servidor. |
| Tiene una fecha de entrega y necesita saber cuándo empieza y termina el render | Los trabajos entran en la cola de la farm, así que la hora de inicio depende de lo ocupada que esté; muchas farms venden planes de mayor prioridad para empezar antes | El servidor ejecuta solo su trabajo desde que arranca, así que usted controla cuándo empieza el render y puede cronometrar todo el trabajo |
| Necesita ver si todas las GPU están renderizando | Lee los logs del trabajo y los tiempos por fotograma que le da la farm. | Abra las estadísticas de render del viewport en el servidor y vigile en directo cada dispositivo OptiX. |
| Una GPU falla en los fotogramas pesados y necesita averiguar por qué | Cada prueba es un trabajo: cambie la escena, envíe, espere y lea el log. | Cambie texturas, AOV o ajustes de curvas en el servidor y vuelva a renderizar el mismo fotograma de inmediato. |
| El fotograma más pesado está cerca de 24 GB | Compruebe qué GPU usa la farm y cuánta memoria tiene cada una. | Use servidores RTX 5090 con 32 GB en cada GPU. |
Una comparación de cómo funcionan los dos modelos de farm para esta tarea, no una prueba de velocidad.
Una regla sencilla: si la escena está probada, cabe holgadamente en la memoria de la GPU y solo necesita fotogramas, una farm SaaS es una buena opción; pida que añadan la variable de solo GPU para que los fallos detengan el trabajo. Si los fotogramas más pesados están cerca del límite de memoria, o necesita averiguar por qué falla una GPU, trabaje en un servidor IaaS en el que pueda ver cada dispositivo.
Una comprobación del respaldo en un servidor de iRender
- Suba el proyecto y las cachés a iRender Drive antes de iniciar el servidor; la subida es gratuita y no consume tiempo de alquiler.
- Inicie un servidor con 4x RTX 5090 (32 GB en cada GPU), instale Houdini una vez e inicie sesión con su propia licencia de SideFX. La facturación es por minuto.
- Abra el fotograma más pesado en Solaris con Render Stats activado y compruebe que todos los dispositivos OptiX están renderizando y que ninguno muestra fail.
- Renderícelo con husk y KARMA_XPU_DISABLE_EMBREE_DEVICE=1, con un log detallado, y anote el tiempo del fotograma.
- Renderice la secuencia y compare los tiempos por fotograma con ese primer fotograma; si el plazo es ajustado, inicie más servidores y asigne a cada uno un rango de fotogramas.
Antes de renderizar la secuencia en otra máquina
- Use la misma versión de Houdini y un driver de NVIDIA de la versión 570 o posterior.
- Revise el entorno, los paquetes y houdini.env en busca de variables KARMA_XPU que no quería conservar.
- Asegúrese de que el fotograma más pesado cabe en la memoria de una GPU, con espacio para sus AOV.
- Renderice primero el fotograma más pesado con Render Stats o con un log detallado de husk, y confirme que todos los dispositivos OptiX funcionan.
- Conserve las estadísticas de render del EXR y compare los tiempos por fotograma a lo largo de la secuencia.
Preguntas frecuentes
1. ¿Qué es el respaldo silencioso a CPU de Karma XPU?
Es lo que ocurre cuando los dispositivos GPU OptiX dejan de contribuir, por ejemplo porque una GPU se queda sin memoria. La documentación de SideFX indica que los demás dispositivos, incluida la CPU, asumen la carga, así que el fotograma sigue terminando, pero mucho más despacio y sin detener el trabajo.
2. ¿Cómo sé si Karma XPU está renderizando solo en la CPU?
Mire la lista de dispositivos en las estadísticas de render del viewport: cada dispositivo muestra un estado y su parte de la imagen, y una GPU que ha fallado muestra fail. En los renders por lotes, conserve un log detallado de husk, revise las estadísticas de render guardadas en el EXR y compare los tiempos por fotograma.
3. ¿Karma XPU mueve datos a la RAM del sistema cuando una GPU está llena?
Las texturas se transmiten a la GPU por tiles, y cuando la memoria de la GPU se llena Karma XPU desaloja la memoria no esencial y continúa, lo que según SideFX ralentiza mucho la GPU. Si la GPU sigue sin poder con ello, el dispositivo falla y los demás dispositivos terminan el fotograma.
4. ¿Cómo hago que Karma XPU falle en lugar de recurrir a la CPU?
Defina KARMA_XPU_DISABLE_EMBREE_DEVICE, o KARMA_XPU_DEVICES=optix, en el entorno del render. Ambas eliminan el dispositivo de CPU, así que una GPU que falla no tiene nada a lo que recurrir y el problema aparece de inmediato.
5. ¿Por qué Karma XPU no muestra ningún dispositivo OptiX?
Las causas más habituales son un driver de NVIDIA anterior a la versión 570, una GPU con Compute Capability inferior a 5.0, o una variable de entorno como KARMA_XPU_DISABLE_OPTIX_DEVICE definida en el entorno, en un archivo de paquete o en houdini.env.
6. ¿Puedo comprobar el respaldo a CPU en la máquina que renderiza mis fotogramas finales?
Sí, en una render farm IaaS. En iRender alquila el servidor completo, así que puede abrir el fotograma más pesado en Solaris, vigilar cada dispositivo OptiX en las estadísticas de render y luego renderizar la secuencia con husk en las mismas GPU.
Renderice sus escenas de Houdini Karma XPU en iRender
iRender es una render farm GPU IaaS: usted alquila un servidor bare metal con 4x GPU NVIDIA RTX 5090 (32 GB), una CPU AMD Ryzen™ Threadripper™ PRO, 256 GB de RAM ECC y un SSD NVMe de 2 TB, se conecta por escritorio remoto y trabaja en él como en su propia estación de trabajo, con acceso completo de administrador. Usted instala Houdini y usa su propia licencia de SideFX; la imagen de su servidor se guarda entre sesiones, así que Houdini, sus paquetes y la caché de kernels de Karma XPU siguen instalados. Para Karma XPU recomendamos los servidores de 4 GPU.
Los servidores multi-GPU se facturan por minuto (los servidores de 1 GPU tienen un mínimo de una hora), y las sesiones de 3 horas o más tienen un 10% de descuento. Nuestros servidores de 4 GPU tienen refrigeración líquida; en nuestras propias mediciones, las GPU se mantienen a 60–70°C con carga de render sostenida. El soporte Elite está disponible 7 días a la semana por línea directa, chat en vivo, Skype, WhatsApp y correo electrónico.
Este vídeo muestra cómo renderizar una escena de Houdini Karma XPU en un servidor de iRender en cinco pasos:
Los usuarios nuevos reciben un bono del 100% en la primera recarga (mínimo $50). Consulte la página de la render farm de Karma XPU para ver las opciones de servidor, o descargue la aplicación iRender GPU.
Si los renders de Karma XPU son lentos en su máquina, la render farm de Karma XPU de iRender le da un servidor remoto dedicado en el que instala Houdini, usa su propia licencia y renderiza en varias GPU RTX 5090 (para Karma XPU, 4 GPU suele ser la configuración más eficiente).


