APU AMD Kaveri A10-7850K HSA Benchmark

APU AMD generasi ke-4, yakni ‘Kaveri’, masih menyimpan banyak potensi. Sejauh ini, kami sudah melakukan serangkaian pengujian kepadanya, mulai dari ulasan seputar teknologi dan arsitektur yang digunakannya, review lengkap untuk model A10-7850K dan A10-7700K, tips memilih memori untuk Kaveri, hingga overclocking AMD Kaveri. Namun, kami masih melihat banyak hal yang bisa diulas dari APU terbaru AMD tersebut. Hal yang akan kita ulas lebih dalam kali ini adalah: Teknologi HSA dalam APU Kaveri.

Kami yakin, para pembaca sekalian pasti pernah setidaknya mendengar istilah HSA disebut-sebut dalam artikel kami yang terdahulu. Banyak pembaca yang menghindari topik HSA karena konsep HSA cukup sulit dimengerti. Namun jangan khawatir, kami akan mencoba membahas HSA sesederhana mungkin, tanpa menjadi terlalu teknis. Mari mulai!

HSA: Performa Tinggi dengan Kerjasama Berbagai komponen

Apa itu HSA? Secara sederhana, HSA (Heterogenous System Architecture) adalah arsitektur komputer yang mengijinkan berbagai komponen prosesor yang berbeda dalam satu sistem untuk bekerja sama. Dengan HSA, macam-macam processing unit yang berbeda dalam satu PC, mulai dari CPU (Central Processing Unit), hingga GPU (Graphics Processing Unit) bisa berkolaborasi menghasilkan performa komputasi yang optimal. (Catatan: secara teori, HSA mengijinkan berbagai prosesor lain seperti DSP dan custom ASIC untuk bekerjasama, namun aplikasi seperti ini masih jarang  digunakan, sehingga pembahasan HSA kita kali ini lebih berfokus pada kerjasama CPU dan GPU)

Sebelum HSA: CPU dan GPU punya tugas masing-masing

Pada arsitektur komputer yang kita kenal sekarang, CPU dan GPU didesain untuk menjalankan tugas yang berbeda. CPU bertugas menjalankan semua kalkulasi umum, sedangkan GPU ditugaskan untuk menangani tugas spesifik yakni perhitungan grafis. Umumnya, karena perbedaan penggunaan ini, CPU lebih optimal untuk menangani tugas kompleks yang dengan jumlah kecil (serial workload), dan GPU lebih optimal untuk menangani tugas sederhana dengan jumlah banyak (parallel workload).

Pada masa dulu, perbedaan karakteristik dalam penanganan tugas komputasi inilah yang membuat CPU dan GPU bekerja sendiri-sendiri, dan tidak bisa bekerja sama. Ini sangat disayangkan, karena GPU terbukti bisa memproses data yang jumlahnya banyak  lebih efisien dari CPU.

Processing power dari GPU yang semakin tinggi membuat banyak developer untuk mencoba memanfaatkan tenaga GPU untuk membantu CPU dalam memproses data, sayangnya hal tersebut sulit direalisasikan karena beberapa limitasi dibawah ini:

• CPU dan GPU biasanya ‘berbicara’ dengan bahasa pemrograman yang berbeda
• Komunikasi low-latency antara CPU dan GPU sulit dilakukan karena limitasi jalur (bus) di mana kedua komponen tersebut dipasang.
• Kedua prosesor tersebut memiliki memori-nya masing-masing, CPU tidak bisa mengakses memori milik GPU, dan sebaliknya. Sulit bagi CPU untuk ‘mentransfer’ pekerjaan ke GPU, begitu pula GPU sulit mentransfer pekerjaan kepada CPU.
• Para model pemrograman yang sekarang, GPU adalah prosesor ‘pembantu’, dan tidak bisa memulai sebuah pekerjaan tanpa ‘meminta ijin’ pada CPU.

Masalah yang disebutkan di atas membuat model komputasi dimana CPU dan GPU saling bekerja sama seperti pada HSA tidak bisa terealisasi, lalu bagaimana cara menangani masalah ini?

AMD APU Kaveri: Disiapkan untuk HSA

Untuk mengatasi berbagai kendala yang menghambat kolaborasi CPU dan GPU, AMD mengembangkan APU Kaveri yang merupakan APU pertama dengan dukungan penuh kepada HSA. Berikut ini kedua fitur HSA utama pada AMD Kaveri yang membuatnya menjadi APU HSA-ready:

hUMA: CPU dan GPU memiliki akses ke memori yang sama

Sebelum adanya hUMA (Heterogeneous Uniform Memory Access), jika CPU ingin memberikan sebuah data yang akan dilanjutkan pengerjaannya oleh GPU, GPU harus mengkopi data dari CPU tersebut kepada memorinya sendiri yang tentunya akan memakan waktu. Dengan hUMA, hal ini tidak perlu terjadi!

Pada sistem dengan hUMA, CPU bisa langsung memberikan ‘petunjuk’ (pointer) kepada GPU mengenai alamat dimana datanya diproses, lalu GPU akan memprosesnya. Setelah GPU selesai bekerja, CPU dapat langsung membaca datanya, tanpa melakukan copy sama sekali.

hQ : CPU dan GPU menjadi ‘setara’

Dulu, hanya CPU yang boleh ‘memulai’ suatu pekerjaan/perintah, dan jika perintah tersebut membutuhkan pekerjaan GPU, maka CPU akan mengirimkannya ke GPU, melalui operating system (OS) terlebih dahulu, seperti terlihat dibawah ini:

Tentunya hal ini akan menghambat jalannya komunikasi CPU dan GPU, belum lagi GPU tidak diberikan hak untuk memulai pekerjaannya sendiri. AMD mencoba mengatasi ini dengan hQ (Heterogeneous Queuing).

Dengan hQ, CPU dan GPU menjadi ‘setara’, dalam arti: CPU bisa memberikan perintah/tugas kepada GPU, dan GPU pun berhak memberikan tugas pada CPU.

Sekarang, mari kita uji seberapa jauh arsitektur HSA memberikan peningkatan performa pada APU AMD Kaveri!

Metoda dan Ruang Lingkup Pengujian

HSA merupakan sebuah teknologi yang baru, dan semua aplikasi yang mendukung penggunaan HSA sendiri masih dalam tahap pengembangan. Belum ada benchmark umum (PCMark, 3DMark, dll) yang saat ini mendukung HSA. Namun demikian, kami mendapat 2 (dua) buah contoh aplikasi yang bisa memanfaatkan HSA, dan semua pengujian yang kami lakukan hanya akan didasarkan pada dua buah aplikasi tersebut, yakni Libre Office Calc, dan Corel AfterShot Pro.

(Catatan: kedua aplikasi yang kami gunakan diatas menggunakan build/versi khusus yang memanfaatkan HSA, belum ada kejelasan mengenai kapan versi HSA dari kedua software diatas dirilis untuk publik)

Semua sistem yang kami uji akan dijalankan masing-masing pada 2 (dua) mode, yang pertama adalah CPU-only, dan yang kedua mode accelerated (baik oleh OpenCL atau melalui HSA)

Spesifikasi dan Testbed

• CPU: AMD A10-7850K ‘Kaveri’
• Mainboard: Gigabyte F2A88XN-Wifi
• RAM: G.Skill TridentX DDR3-2400C10 2x4GB (running at DDR3-2133 CL10-12-12-31 2T)

• GPU: Integrated AMD Radeon R7-series
• SSD: Kingston HyperX 3K 120GB

• CPU Cooler : Noctua NH-C14
• PSU: Corsair AX850W

• OS : Windows 8.1
• Driver: AMD HSA Drivers Beta 2.3

Sistem Pembanding I:

• CPU: AMD A10-6800K ‘Richland’
• Mainboard: Gigabyte F2A88XN-WiFi
• RAM: G.Skill TridentX DDR3-2400C10 2x4GB (running at DDR3-2133 CL10-12-12-31 2T)
• GPU: Integrated Radeon  8670D
• SSD: Kingston HyperX 3K 120GB
• CPU Cooler: Noctua NH-C14
• PSU: Corsair AX850W
• OS : Windows 8.1
• Driver: AMD Catalyst 13.30 RC2

Sistem Pembanding II:

• CPU: Intel Core i5-4430 ‘Haswell’
• Mainboard: ASUS Z87 GRYPHON
• RAM: G.Skill TridentX DDR3-2400C10 2x4GB (running at DDR3-2133 CL10-12-12-31 2T)
• GPU: Integrated Intel HD Graphics 4600
• SSD: Kingston HyperX 3K 120GB
• CPU Cooler: Noctua NH-C14
• PSU: Corsair AX850W
• OS : Windows 8.1
• Driver: Intel INF 9.4.0.1026

Pemilihan CPU Pembanding

Untuk prosesor yang dibandingkan, kami menghadirkan AMD A10-6800K ‘Richland’ yang merupakan APU generasi sebelumnya. Perbandingan performa dengan APU generasi sebelumnya ini dirasa perlu untuk membandingkan seberapa jauh APU generasi ke-4 Kaveri unggul dari pendahulunya. Kemudian, sebagai pembanding dari sisi ‘biru’, kami menyertakan Intel Core i5-4430 ‘Haswell’. Perbandingan ini dilakukan dengan alasan harga. Pada saat artikel ini dirilis, kedua prosesor memiliki harga yang mirip, ini yang membuat kami memilihnya sebagai pembanding.

Penggunaan Memori berkecepatan DDR3-2133Mhz

Seperti yang sudah kami utarakan pada artikel ‘Tips memilih memori untuk AMD Kaveri’, kami merasa penggunaan DDR3-2133Mhz cukup krusial untuk mendapat performa optimal dari seluruh sistem yang diuji. Timing yang kami gunakan adalah timing XMP dari memori-nya, yakni 10-12-12-31 2T (CAS-TRCD-TRP-TRAS-CMD)

Mari simak pengujian lengkap pada halaman berikutnya!