Arbeits-PC für mathematische Simulationen, Budget ca. 1000 Euro

[Borel Cantelli]

Hallo an alle,

mein 7 Jahre alter PC (Lenovo Ideacentre 720: Ryzen 7 1700, 12 GB Ram, ähnliches Modell hier zu sehen: https://www.notebooksbilliger.de/lenovo+ideacentre+720+18asu+90h1004ege+622955) hat gestern den Geist aufgegeben.
Wie unten angegeben bin ich kein Gamer. Neben surfen, Videos schauen usw. verwende ich den PC zum Arbeiten. Konkret heißt das, dass ich Simulationen, vorwiegend in R und Matlab, laufen lasse. Diese laufen bis zu 2.5 Stunden. Es wäre hervorragend hier im Rahmen meines Budgets möglichst viel Zeit einzusparen. Folgende Fragen habe ich an euch:

1. Ist die Spezifikation aus dem "Der ideale Office PC" thread für mich sinnvoll oder gibt es Spezifikationen bzw CPUs, die für die oben erwähnten Simulationen besonders sinnvoll sind?
2. Ist es sinnvoller selber zusammenzustellen und zusammenbauen zu lassen oder gibt es vernünftige "Komplett-PCs"? Welche Shops könnt ihr in beiden Fällen empfehlen? Falls es für diese beiden Fragen einen thread gibt, dann entschuldige ich mich und bitte um den entsprechenden Link.
3. Da ich den PC nicht zum Spielen verwende, würde ich vermuten, dass ich auf Onboard Grafik setzen sollte und mein Restbudget statt in eine Grafikkarte lieber in eine schnellere CPU/ mehr Arbeitsspeicher/ besseres Mainboard investieren sollte. Würdet ihr da zustimmen?

Meine Budgetangabe von 1000 Euro ist ein grober Richtwert. Bei 1500 Euro ist aber definitiv Schluss.

Ich bedanke mich im Voraus für jegliche Hilfe.

 

[JackForceOne]

Hi und herzlich willkommen :-)
Benutzt Du Funktionen in deinem Code, die von GPU Beschleunigung profitieren?

https://www.mathworks.com/help/wavelet/gpu-acceleration.html

https://www.mathworks.com/help/wavelet/referencelist.html?type=function&capability=gpuarrays

Ansonsten stellt sich noch die Frage warum deine Simulationen so lange dauern, was Du genau stimulierst und ob der Code nicht optimiert werden könnte. Benchmarks von Deinem alten System wären ganz gut, also bspw. sowas hier, aber das hat die jetzt ja erledigt 😂

https://github.com/rbenchmark/benchmarks

Weißt Du denn wie die CPU und RAM Auslastung bei deinen Simulationen jeweils war?

Hier steht ja auch einiges auf das man achten sollte:

https://www.mathworks.com/support/requirements/matlab-system-requirements.html

https://www.mathworks.com/support/requirements/choosing-a-computer.html

 

[Giggity]

Nimm den hier mit:
7700 als CPU.
32GB DDR5 RAM.
1TB KIOXIA Pro
https://www.dubaro.de/Gaming-PCs/Du...station-RYZEN-5-7600X-mit-RX7600XT::7683.html

 

[Fritz Panter]

Hallo,
nur so mal als Hinweis: es wäre wichtig zu wissen, ob die Simulationssoftware von GPU Beschleunigung profitiert (macht allerdings den PC sehr schnell sehr teuer). Falls das nicht ausgeprägt der Fall ist, ist es vermutlich das schlaueste, möglichst viele CPU Kerne zu kaufen, anstatt Geld in eine sehr teue GPU zu versenken. Speicherbedarf solltest Du auch checken.

 

[JackForceOne]

7700 als CPU.
32GB DDR5 RAM.
1TB KIOXIA Pro

Ich halte so eine Empfehlung, ohne zu wissen, was denn genau der Grund ist, dass die Programme so lange laufen, für nicht hilfreich.

Es könnte sein, dass es mehr Sinn macht auf 64GB / 128GB RAM zu gehen. Oder auf 16 CPU Kerne. Oder auf eine GPU die die Berechnungen durchführt. Aber das wissen wir alles nicht.

 

[ropf]

Da ich den PC nicht zum Spielen verwende, würde ich vermuten, dass ich auf Onboard Grafik setzen sollte

Wie die Vorposter schon sagten - sowohl Matlab als auch GNU/Octave können ggf. von einer GPU profitieren.

Neben spezialisierten Packages (wie bei den oben erwähnten Wavelets) gibt es allgemeinere, die auch Standard-Operationen auf grosse Matritzen stark beschleunigen. Ein Beispiel sind die GPU Linear algebra extensions for GNU/Octave. Für Matlab gibts mit Sicherheit ein Äquivalent ...

Wenn du nicht sicher bist, wäre es ein gangbarer Weg - zunächst eine CPU mit "guter" iGPU zu wählen (zB 8700G) - auszuprobieren, wie weit deine Anwendung davon profitiert - und ggf. eine Grafikkarte dazu zu stecken.

 

[cb-leser]

Mein Ansatz wäre ja eher der, zu sagen, dass es sich hier weitestgehend um eine außerplanmäßige Ersatzbeschaffung handelt. Der Rechner wird ja (zumindest in erster Linie) nicht ersetzt, weil er schlicht zu langsam für den angepeilten Einsatz wäre, sondern weil er defekt ist.

Insofern könnte man sich hier auch an Preis-/Leistung-Sweetspots orientieren. Auch könnte ich mir vorstellen, (damit) angesichts der Leistung des (Altsystems) nicht ins High-End-Regal zu greifen, um das Material nicht an der "Kotzgrenze" zu betreiben. (*) An der Stelle muss natürlich einschränkend gesagt werden, dass maximale Performance Sinn ergeben kann, wenn es das denn Wert ist - eingesparte Zeit kann hier (viel) bares Geld sein, das ist dann eine zutiefst ökonomische Fragestellung.

Optional kann man in solchen Szenarien auch einmal darüber nachdenken, für aufwendige Simulationen schlicht Rechenzeit in der Cloud zu bezahlen - je nach Rahmenbedingungen. Dann täte es ein sehr schlanker Rechner für den Rest. Wenn Berechnungen anstehen, greift man eben extra in die Tasche und leistet sich im Zweifel dafür Leistung, die man sonst nicht sinnvoll Zuhause vorhalten kann.

Abseits davon aber (wie oben schon mehrfach im Detail genannt) sollte man natürlich wissen, auf welche Eigenschaften hin zu optimieren ist. Darüber hinaus wäre die Nennung des genutzten Betriebssystems interessant - nicht, dass hier noch eine Überraschung lauert.

(*) Das geht schon in Richtung eines Arguments bzgl. der Frage 2.), da fertige Komplettsysteme diesbezüglich manchmal (nicht immer) knapp bemessen sind.

 

[Giggity]

Die Empfehlung aus #3 ist eine Standard-Empfehlung einer Workstation im Bereich 1000€. Es ist im Endeffekt nur eine Basis und falls eine größere CPU benötigt wird dann wirds eben etwas teurer.

Dennoch halte ich AM5 für sinnvoll und falls eine GPU macht man mit der 6700XT nichts falsch.

 

[Fritz Panter]

Hallo, habe mal kurz gegoogelt. R Studio scheint nur sehr beschränkte Unterstützung für GPU Computing zu haben und wenn, dann sind die Packages für CUDA, also Nvidia GPUs. Da R Studio oft mit sehr großen Datensätzen arbeitet, kann RAM leicht der Engpass werden. Viele User empfehlen 64 GB. Ob das mit den großen Datensätzen zutrifft, kann am besten Borel selbst beantworten.