KVMとVirtualBox Linux上ではどっちが早いの？

またまた環境周りで試してみたネタです。
Modern IEがまだ残っていたので試したくなりました。

先に結論

KVMよりVirtualBoxのほうが早かった。

コアxHT分認識している＝＞VirtualBox

書き込み速度も早い＝＞VirtualBox
コアの認識しているものが少ないので、ゲストOSがWindowsのせいでうまく動かないとかは、、あるかも。（VM作るときにOS種別聞いてくるし）
ただ、書き込み速度はVirtualBoxのほうが早かったので、VirtualBoxに這い寄りたい所存です。

VMを用意

まずは、Modern IEからイメージをダウンロード（名称変わっていますね。５日ブラウザ検証するかもしれないからとりあえず全種類ダウンロードしておくよ。）
その後、上記のイメージをインポート。

KVM用のイメージ用意

その後、下記を元にKVM用のイメージに変換する。
結構時間がかかるので放置しましょう。
VMware のディスクイメージ (VMDK) を KVM (qemu) で使えるように変換する - Kenichi Maehashi's Blog 

KVMへインポート

KVM managerでインポートで新規VMとして作成
NBM2 - VirtualBoxからKVMへと仮想イメージ移行した話

性能比較

今回Windowsで以下で紹介されているツールのうち、cinebentch、CrystalDiskMarkでパフォーマンス計測を行おうと思います。
Windowsのベンチマーク測定に便利なツール４選 | Yuichiro Suzuki Reports

検証環境は以下の通り。
cat /proc/meminfo
MemTotal:        8070104 kB
cat /proc/cpuinfo

model name      : Intel(R) Core(TM) i5-6400 CPU @ 2.70GHz

各VMはKVM、Virtualboxともに2048MByte、コアは4つ

使用するイメージは「IE11 - Win7」
※WindowsUpdateは途中で当たらないように回線は切断して検証。

検証結果ですが、結果的には、Virtualboxが早かった。

VirtualBox

 KVM

 

Vagrantで使う際にvagrant upするときにVirtualboxが少しもたついている感じがしたのでKVMに期待、また安定性ってKVMのほうが高そうだったので結構期待しておりましたが、性能的に半分程度に収まってしまったので移行はしなくても良いという判断です。

ただ、KVM初心者なのでもしかするとOS側に見せるコア数がホストOSのHTで動いたものをベースに動かせる？かもしれませんが、GUIで設定がなさそうだったので今回はいいやとしました。

サーバーonサーバーするときにKVMが安定しているとわかればそのときに考えたいともいます。

DeepLearning周りの調査

特に何かのプロジェクトで使うというわけではないのだけど、Deep learningに興味が出たので調査を開始した。

とりあえず

とりあえず（形から入りたかったので）Neural Compute Stick 2こちらを購入。
買う前に全然調べないで買ったので、まず、調べてみるうちにわかったことを書いてみる。

これは、Edge（末端の装置）で使うものでOpenVINOっていうのがIntel系のDeep learning用のSDKが動く。
OpenVINOはIntel系CPUの一部で動くよ。(see: System Requirements)

あれ。。。Neural Compute Stick 2を別に書く必要はなかった。

Deep Learningについて浅く知ってみる

何してくれているの？

そもそも、Deep Learningについてはよく知らないのだけど、重み付けをしてくれるための賢いシステムくらいにしか思っていない。

「機械学習」と「ディープラーニング」は何が違うのか？ | MUFG Innovation Hub
うん。大体想像どおり。
ディープラーニング（Deep Learning）とは？【入門編】 | LeapMind BLOG 
機械学習のDeepLearningがあるんだったよね。と確認のために調べてみると、AIの中に機械学習があるのか。　AIって組み合わせて作るもんだと思った。

DeepLearningってコード書けばいいんじゃないよね。

機械学習＆ディープラーニングの、基本的なワークフローを知ろう｜Deep Insider

これすごいな、大枠理解がこれだけでできそう。

で、どうやって推論しているのかなと思っていたときに動画をぼけーっとFireTVで見ているといいのが見つかりました。

2_03 数学的基礎から学ぶ Deep Learning

数式がおおよそこうなっているからこういうことが言いたいんだよね。がわかるのだけど、　数式を細かく紐解けないということに気づいた（つまり概念理解できない）

ので、やっぱり、数学もちゃんとやらないといけないね。

DeepLearningで必要な知識は？

【保存版・初心者向け】独学でAIエンジニアになりたい人向けのオススメの勉強方法 - Qiita

数学ないとこれ使えなくね？（推論なんで、どうやって動いているか全然わからない状態で使っていいものじゃないと思うの）と思って調べるとなるほどなるほど。

自分がすすめる上でのメモとして一旦この記事を書きました。

多分、Neural Compute Stic 2 以外について書いてあるものは一度見ておいて「あぁ。これが必要なんだな。」とすればすすめる方針が建てられそうだ。

まず、私はコードを書く力はあるので、高校数学と統計をさらっと見直します。（動画の説明の意味をちゃんと理解したい）