Escalado multi-GPU de Karma XPU: por qué 4 GPU es el punto óptimo
Por qué Karma XPU gana menos con cada GPU adicional, y cómo encontrar el número adecuado para su escena:
- Todas las GPU renderizan el mismo fotograma: Karma XPU suma las muestras de cada GPU OptiX y de la CPU en una sola imagen, y cada GPU tiene que guardar la escena completa, porque la memoria no se agrupa.
- Parte del trabajo no se acelera con más GPU: la carga de la escena, la compilación de shaders y los pasos en la CPU que mezclan las muestras y escriben los AOV tardan aproximadamente lo mismo con 1 o con 4 GPU, así que cada tarjeta adicional ahorra menos.
- Mídalo en su escena: el personal de SideFX sugiere desactivar GPU con KARMA_XPU_DISABLE_DEVICE_n y cronometrar 1, 2 y 4 GPU; la aceleración es el tiempo con 1 GPU dividido entre el tiempo con varias GPU.
- En iRender: según nuestra experiencia, Karma XPU funciona mejor en servidores con 4x RTX 5090; para terminar antes, inicie más servidores de 4 GPU y asigne a cada uno un rango de fotogramas.
Es fácil suponer que una escena de Karma XPU se renderizará cuatro veces más rápido con cuatro GPU. No es así. Cada GPU adicional ayuda un poco menos que la anterior, y en Karma XPU la curva se aplana antes que en los renderizadores solo de GPU.
Esta guía explica cómo reparte Karma XPU un fotograma entre dispositivos, por qué una parte de cada fotograma no se acelera con más tarjetas, cómo medir el escalado en su propia escena y qué vemos en nuestros propios servidores multi-GPU. Los puntos técnicos proceden de la documentación de SideFX y de respuestas del personal de SideFX en el foro de SideFX.
Cómo usa Karma XPU varias GPU en un fotograma
Karma XPU usa todos los dispositivos compatibles que encuentra: cada GPU NVIDIA se convierte en un dispositivo OptiX y la CPU en un dispositivo EmbreeCPU. Todos trabajan en la misma imagen, y las estadísticas de render del viewport muestran la parte de cada dispositivo. Un desarrollador de SideFX explicó en el foro que, para que esto funcione, todos los dispositivos tienen que producir exactamente el mismo resultado, así que XPU usa cálculos fp32 en todos ellos.
Dos consecuencias importan en las máquinas multi-GPU:
- La memoria no se agrupa. La documentación de SideFX indica que cada GPU se direcciona por separado, así que cada tarjeta debe guardar la escena completa. Cuatro tarjetas de 24 GB siguen dando un límite de 24 GB por escena.
- La CPU sigue teniendo trabajo. Antes y durante el render, Houdini tiene que cargar y actualizar el stage USD, compilar shaders para cada dispositivo, combinar las muestras de todos los dispositivos y escribir los AOV. Un desarrollador de SideFX señaló que la escritura de los datos de AOV se hizo multihilo para el caso en que GPU muy rápidas o varias GPU se combinan con una CPU lenta.
Por qué la aceleración se aplana después de unas pocas GPU
Piense en un fotograma como dos partes. Una parte es el propio render en la GPU, que de verdad se reparte entre las tarjetas. La otra parte es trabajo que no se acorta al añadir tarjetas: cargar y actualizar la escena, compilar shaders y los pasos en la CPU que combinan las muestras y escriben la imagen. Cuantas más GPU añade, mayor es la proporción del fotograma que ocupa la parte fija.
La figura es una ilustración, no una medición. Con una proporción fija de trabajo en la CPU del 20%, la mejor aceleración posible es 1 ÷ (0,2 + 0,8 ÷ n): 1,7x con 2 GPU y 2,5x con 4 (cálculo nuestro). La proporción fija de su escena puede ser mayor o menor, y por eso conviene medirla, como se muestra más abajo.
Lo que vemos en los servidores de iRender
En nuestros servidores multi-GPU, Karma XPU gana claramente al pasar de 1 a 2 GPU y sigue ganando hasta 4. Nuestros servidores con 8x RTX 5090 siguen renderizando Karma XPU, pero un trabajo individual termina solo un poco más rápido que con 4 GPU, así que ofrecemos Karma XPU en servidores con 4x RTX 5090. Para terminar antes una secuencia, inicie más servidores de 4 GPU y asigne a cada uno un rango de fotogramas.
No publicamos un porcentaje de escalado para Karma XPU, porque depende mucho de la escena: una escena ligera con muchos AOV se comporta de forma muy distinta a un render largo de volúmenes. Mida el suyo.
Cómo medir el escalado de Karma XPU en su escena
El método que sugiere un desarrollador de SideFX en el foro es renderizar el mismo fotograma con distintos dispositivos desactivados mediante las variables por dispositivo, que llevan un número de dispositivo:
| Prueba | Variables de ejemplo (3 GPU: 0, 1, 2) | Qué le dice |
|---|---|---|
| Una GPU | KARMA_XPU_DISABLE_DEVICE_0=0, KARMA_XPU_DISABLE_DEVICE_1=1, KARMA_XPU_DISABLE_DEVICE_2=1 | Su referencia con 1 GPU |
| Dos GPU | KARMA_XPU_DISABLE_DEVICE_0=0, KARMA_XPU_DISABLE_DEVICE_1=0, KARMA_XPU_DISABLE_DEVICE_2=1 | La ganancia de una segunda tarjeta |
| Todas las GPU, sin CPU | KARMA_XPU_DISABLE_EMBREE_DEVICE=1 | Velocidad solo con GPU, sin ayuda de la CPU |
| Solo CPU | KARMA_XPU_DISABLE_OPTIX_DEVICE=1 | Cuánto aporta por sí solo el dispositivo de CPU |
Variables por dispositivo tal como las indicó un desarrollador de SideFX en el foro de SideFX; las variables de Embree y OptiX están en la documentación de Karma XPU de SideFX. Los números de dispositivo dependen de la máquina; compruebe qué número corresponde a cada tarjeta.
- Elija un fotograma representativo y renderícelo desde la línea de comandos con husk, para que el viewport no intervenga. Usuarios del foro comprobaron que el viewport puede mantener ocupada una GPU, lo que distorsiona una prueba en el viewport.
- Renderícelo cuatro veces: solo CPU, 1 GPU, 2 GPU y todas las GPU, usando las variables anteriores. Reinicie el proceso de render entre pasadas para que se lean las nuevas variables.
- Anote el tiempo completo de cada pasada, desde el inicio hasta la imagen escrita, no solo el tiempo de muestreo.
- Calcule la aceleración: el tiempo con 1 GPU dividido entre el tiempo con varias GPU. Un resultado de 1,7 con 2 GPU significa que el fotograma terminó 1,7 veces más rápido.
- Revise la parte de cada dispositivo en las estadísticas de render; si una GPU aporta mucho menos que las demás, busque problemas de memoria o de driver antes de culpar al escalado.
Ayude a la CPU a seguir el ritmo
- Dé más hilos a la mezcla. Para una configuración multi-GPU lenta, un desarrollador de SideFX sugirió subir KARMA_XPU_NUM_PER_DEVICE_BLENDING_THREADS de su valor por defecto de 1 a 2 o 3, lo que asigna más hilos de CPU a combinar las muestras de cada dispositivo. Pruébelo en su fotograma; no es un ajuste universal.
- Mantenga Houdini actualizado. SideFX ha hecho multihilo pasos en la CPU como la escritura de AOV para máquinas con GPU rápidas o varias GPU.
- Escriba solo los AOV que necesita. Cada AOV, imagen deep o capa de Cryptomatte añade trabajo en la CPU por fotograma.
- Cargue cachés, no simulaciones en vivo. Renderice desde geometría y volúmenes cacheados en almacenamiento local rápido, para que cada fotograma no espere a que Houdini cocine los nodos anteriores.
- Use una CPU potente. En iRender, los servidores con 4x RTX 5090 usan un AMD Ryzen™ Threadripper™ PRO 5975WX de 32 núcleos.
¿Render farm SaaS o IaaS para Karma XPU multi-GPU?
Ambos modelos de farm renderizan los mismos fotogramas. La diferencia en Karma XPU multi-GPU es quién elige cuántas GPU trabajan en cada fotograma, y si usted puede medir el escalado por sí mismo.
| Su situación | Render farm SaaS | Render farm IaaS (iRender) |
|---|---|---|
| El plano está aprobado y solo necesita fotogramas | 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 |
| Quiere elegir cuántas GPU renderizan cada fotograma | La farm decide cómo se colocan los trabajos en sus máquinas. | Elija un servidor de 1, 2 o 4 GPU, o desactive GPU por proceso con las variables de dispositivo. |
| Quiere medir el escalado en su escena | Compara trabajos terminados y sus logs. | Haga las pruebas con 1, 2 y 4 GPU en el mismo servidor y compare los tiempos directamente. |
| La escena está cerca de la memoria de una GPU | Compruebe la memoria de GPU de la farm antes de enviar. | Las tarjetas RTX 5090 tienen 32 GB cada una; la memoria es por tarjeta, no se suma. |
Una comparación de cómo funcionan los dos modelos de farm para esta tarea, no una prueba de velocidad.
Una regla sencilla: si el plano está aprobado y solo necesita fotogramas, una farm SaaS es una buena opción. Si quiere elegir el número de GPU, medir el escalado en su propia escena o repartir GPU entre procesos de husk, use un servidor IaaS.
Una prueba de escalado 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, instale Houdini una vez e inicie sesión con su propia licencia de SideFX. La imagen de su servidor se guarda entre sesiones. La facturación es por minuto.
- Cronometre un fotograma representativo con husk con 1, 2 y 4 GPU usando las variables de dispositivo anteriores.
- Elija la configuración con el mejor tiempo por fotograma en relación con el coste, y renderice la secuencia.
- ¿Lo necesita antes? Inicie más servidores de 4 GPU y asigne a cada uno un rango de fotogramas; el coste total se mantiene aproximadamente igual.
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.
- Asegúrese de que el fotograma más pesado cabe en la memoria de una GPU; la memoria no se agrupa entre GPU.
- Elimine las variables de prueba de dispositivos que ya no necesite, o consérvelas a propósito si reparte GPU entre procesos.
- Renderice con husk y revise la parte de cada dispositivo en el primer fotograma.
- Cronometre primero el fotograma más pesado y compárelo con su prueba.
Preguntas frecuentes
1. ¿Karma XPU escala de forma lineal con más GPU?
No. Cada GPU ayuda, pero una parte de cada fotograma, como cargar la escena, compilar shaders y los pasos en la CPU que combinan las muestras y escriben los AOV, no se acelera con más tarjetas. Por eso cada GPU adicional ahorra menos tiempo que la anterior.
2. ¿Cuántas GPU debo usar para Karma XPU?
Según nuestra experiencia en los servidores de iRender, Karma XPU gana claramente de 1 a 2 GPU y sigue ganando hasta 4. Por encima de 4 GPU la velocidad adicional para un trabajo es pequeña, así que recomendamos servidores de 4 GPU para Karma XPU y más servidores cuando necesite la secuencia antes.
3. ¿Karma XPU combina la VRAM de varias GPU?
No. La documentación de SideFX indica que cada GPU se direcciona por separado y que la memoria no se agrupa, así que cada GPU debe guardar la escena completa. Cuatro tarjetas de 24 GB siguen dando un límite de 24 GB por escena.
4. ¿Cómo pruebo Karma XPU solo con algunas de mis GPU?
Use las variables por dispositivo que sugirió un desarrollador de SideFX, como KARMA_XPU_DISABLE_DEVICE_1=1 para desactivar la segunda GPU. Renderice el mismo fotograma con 1, 2 y todas las GPU y divida el tiempo con 1 GPU entre cada tiempo con varias GPU.
5. ¿La CPU puede ralentizar un render multi-GPU de Karma XPU?
Sí. La CPU sigue cargando la escena, compilando shaders, combinando las muestras de todos los dispositivos y escribiendo los AOV. SideFX ha hecho multihilo algunos de estos pasos, y un desarrollador de SideFX sugirió subir KARMA_XPU_NUM_PER_DEVICE_BLENDING_THREADS cuando las GPU rápidas esperan a una CPU lenta.
6. ¿Puedo comprobar el escalado de Karma XPU en la máquina que renderiza mis fotogramas finales?
Sí, en una render farm IaaS. En iRender alquila el servidor completo, así que puede cronometrar el mismo fotograma con 1, 2 y 4 GPU con husk, ver cada dispositivo en las estadísticas de render y luego renderizar la secuencia en el mismo hardware.
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.


