Desktop PC für Softwareentwicklung

[Jeko]

Hallo zusammen.
Da der RAM von meinem Laptop mit 16GB für Softwareentwicklung mit Docker nicht ausreicht, möchte ich wieder einen Desktop PC nutzen.
Ich habe noch die Teile beQuiet Pure Power 400w Netzteil, beQuiet Silent Base 600 Gehäuse, Festplatten vom vorigen Desktop System.
Netzteil kann ich natürlich was größeres kaufen, das Gehäuse möchte ich weiterverwenden. Die anderen Komponenten vom vorigen System hat es durch ein kaputtes Netzteil zerlegt gehabt.

Wichtig sind schneller und großer RAM mit 64GB und eine schnelle CPU. Dies würde ich gerne möglichst(!) günstig und stromeffizient realisieren. Dazu wäre eine sehr schnelle Festplatte von 1TB für das OS optimal.
Grafik:
Eine Grafikkarte brauche ich eigentlich nicht, da ich nicht spiele. In 4K Videos zu schauen sollte schon rucklfrei möglich sein und es wäre im Optimalfall nützlich CUDA Unterstützung zu haben. Ich trainiere mit dem PC keine KI Modelle, aber würde bei manchen Programmierungen CUDA gebrauchen können.

 

[ghecko]

Eine Grafikkarte brauche ich eigentlich nicht, da ich nicht spiele. In 4K Videos zu schauen sollte schon rucklfrei möglich sein und es wäre im Optimalfall nützlich CUDA Unterstützung zu haben. Ich trainiere mit dem PC keine KI Modelle, aber würde bei manchen Programmierungen CUDA gebrauchen können.

Cuda und keine Grafikkarte schließen sich gegenseitig aus.

Sparsam, 64GB RAM, vllt auf einer aktuellen Pattform und dazu noch eine halbwegs brauchbare CUDA-Grafikkarte. Das sehe ich nicht für 1300€.

Und wie siehts mit der CPU aus? Wo siehst du dich da? Lieber viele Kerne oder hohe Singlecore-Leistung?
So ganz werde ich aus deinen Anforderungen noch nicht schlau.

 

[till69]

Dies würde ich gerne möglichst(!) günstig und stromeffizient realisieren

Effizient im Alltag: 14600K/14700K

 

[Kuestennebel79]

Als ML GPU würde ich Dir RTX 3060 oder RTX 4060ti 16GB empfehlen.

CUDA ist nicht immer notwendig, Pytorch läuft inzwischen auch mit AMD GPUs, aber habe ich keine Praxiserfahrungen und die GPUs sind auch nicht so sparsam.

 

[sNo0k]

Effizient im Alltag

naja, der TE möchte damit arbeiten, dh coden und kompilieren, wenn ich das richtig verstanden habe. Zeig doch mal den Verbrauch bei Teil- oder Volllast

Mittlerweile hat der Großteil der aktuellen CPUs Grafikeinheiten, die mW auch 4k-fähig sind.

 

[Jeko]

Cuda und keine Grafikkarte schließen sich gegenseitig aus.

Sparsam, 64GB RAM, vllt auf einer aktuellen Pattform und dazu noch eine halbwegs brauchbare CUDA-Grafikkarte. Das sehe ich nicht für 1300€.

Und wie siehts mit der CPU aus? Wo siehst du dich da? Lieber viele Kerne oder hohe Singlecore-Leistung?
So ganz werde ich aus deinen Anforderungen noch nicht schlau.

Schade, ich hatte gehofft das geht mit Onboard GPU evlt. auch.
In dem Fall würde ich die GPU dann weglassen, hättest du dann eine Idee?

Bzlgl. der CPU ist eher die SIngle Core Leistung wichtig. Allerdings sind die 16 log. CPUs von meinem Laptop recht gleichmäßig ausgelastet bei Spitzenlast, die verwendete Software scheint also durchaus viele Kerne sinnvoll zu nutzen.

 

[JumpingCat]

Effizient im Alltag: 14600K/14700K

Der PC wird doch nicht im Idle betrieben. Beim Coden läuft immer irgendwas im Hintergrund wie Hinting, Autovervollständigung oder sogar inwischen ein lokales LLM. Das LLM konnte dann aber auch auf der iGPU/NPU laufen.

@Jeko: Wieso gerade CUDA?

 

[VDC]

Da parallel noch der 2. Thread aufgeploppt ist, willst du auf beiden Geräten gleichzeitig arbeiten? Wie synchronisierst du die ganzen Sachen? Ich wäre da eher per VPN nach Hause und dann dort den großen Rechner rechnen lassen.

 

[DoNG]

Besser VPN in die Firma und dort den großen Rechner hinstellen (von Firma kaufen lassen). Dazu ein leichtes Notebook für unterwegs und daheim Dockingstation + Monitor und Peripherie (Maus, Tastatur, ...)

 

[ghecko]

Das LLM konnte dann aber auch auf der iGPU/NPU laufen.

Wenn LLM, dann evtl doch so was wie eine RX7600XT. Sonst liegt das Ding im RAM und es gibt keine gesockelte Desktop-CPU mit einer NPU die aktuelle LLMs packt.

 

[wahli]

Welchen Laptop hast du? Welche CPU ist dort verbaut?
Evtl. kannst du dort relativ einfach den RAM auf 32 oder 64 GB erweitern (wenn die CPU ausreichend ist).

Ich nutze für die Arbeit ein Notebook mit Ryzen 7 Pro 6850U und dort wurde der Speicher nachträglich auf 64 GB erweitert. Damit kann ich auch größere Java-Projekte problemlos kompilieren. Auch wenn noch docker und Sonstiges läuft.

Welche Software für die Softwareentwicklung nutzt du?
Wie lange dauert aktuell das Kompilieren auf dem Laptop?

 

[Lawnmower]

Für diejenigen die es nicht gemerkt haben: Der TE hat noch eine Notebook Kaufberatung (mit wesentlich höherem Budget) aufgemacht https://www.computerbase.de/forum/threads/64gb-laptop-fuer-softwarenentwicklung.2224885/
Hier geht es nur um den Desktop.

 

[Jeko]

Für diejenigen die es nicht gemerkt haben: Der TE hat noch eine Notebook Kaufberatung (mit wesentlich höherem Budget) aufgemacht https://www.computerbase.de/forum/threads/64gb-laptop-fuer-softwarenentwicklung.2224885/
Hier geht es nur um den Desktop.

Danke für die Anmerkung, damit das keine Verwirrung auslöst: Ich möchte mir sowohl einen Laptop als auch einen Desktop PC kaufen, die auch im Prinzip gleich eingesetzt werden. Budget ist u.a. anders, weil der Laptop anteilig von der Firma bezahlt wird, ich den alten Laptop dann verkaufen kann. Ansonsten ist der Einsatzzweck derselbe.

Welchen Laptop hast du? Welche CPU ist dort verbaut?
Evtl. kannst du dort relativ einfach den RAM auf 32 oder 64 GB erweitern (wenn die CPU ausreichend ist).

Ich nutze für die Arbeit ein Notebook mit Ryzen 7 Pro 6850U und dort wurde der Speicher nachträglich auf 64 GB erweitert. Damit kann ich auch größere Java-Projekte problemlos kompilieren. Auch wenn noch docker und Sonstiges läuft.

Welche Software für die Softwareentwicklung nutzt du?
Wie lange dauert aktuell das Kompilieren auf dem Laptop?

Leider lässt sich der Laptop nicht aufrüsten, beide RAM Plätze sind verlötet.
Lenovo Ideapad pro 5 16arp8 16gb ram 1tb ssd

Es geht hauptsächlich um Docker Container, die die Performance verlangen. Konkret arbeite ich an einem Szenario mit Kafka und Datenpipelines, das ich lokal zumindest testen muss. Der RAM läuft quasi allein durch die Docker Services + die Kafka Container voll, die Datenpipelines etc. sind nicht das Problem.
Kompiliert wird nicht (python) bzw. ist nicht das Problem.

Wenn LLM, dann evtl doch so was wie eine RX7600XT. Sonst liegt das Ding im RAM und es gibt keine gesockelte Desktop-CPU mit einer NPU die aktuelle LLMs packt.

Danke, da schau ich rein. Das GPU Thema ist aber kein Muss, ich hatte gehofft es gibt billige Möglichkeiten zumindest testweise mit CUDA zu arbeiten. (Nicht für ernsthafte Projekte , nur dass mal ein fremdes jupyter notebook durchläuft etc.

Da parallel noch der 2. Thread aufgeploppt ist, willst du auf beiden Geräten gleichzeitig arbeiten? Wie synchronisierst du die ganzen Sachen? Ich wäre da eher per VPN nach Hause und dann dort den großen Rechner rechnen lassen.

Ich synchronisiere das nur mäßig, über Cloud Speicher und die Repositories + Einstellungsdateien der IDE. Hab da zum Glück nicht so viel zu konfigurieren und arbeite viel mit Docker. Da nutze ich dann einfach die docker-compose und das wars. Gute Idee mit dem VPN auf jeden Fall, ich mag das aber wegen der Latenz nicht.

 

[till69]

Beim Coden läuft immer irgendwas im Hintergrund

Hintergrundtasks sind die Paradedisziplin für Intels E-Cores

Zeig doch mal den Verbrauch bei Teil- oder Volllast

YouTube

An dieser Stelle steht ein externer Inhalt von YouTube, der den Forumbeitrag ergänzt. Er kann mit einem Klick geladen und auch wieder ausgeblendet werden.

YouTube-Embeds laden

Ich bin damit einverstanden, dass YouTube-Embeds geladen werden. Dabei können personen­bezogene Daten an YouTube übermittelt werden. Mehr dazu in der Datenschutzerklärung.

YouTube-Embeds laden

Datenschutzerklärung

 

[sNo0k]

YouTube

An dieser Stelle steht ein externer Inhalt von YouTube, der den Forumbeitrag ergänzt. Er kann mit einem Klick geladen und auch wieder ausgeblendet werden.

YouTube-Embeds laden

Ich bin damit einverstanden, dass YouTube-Embeds geladen werden. Dabei können personen­bezogene Daten an YouTube übermittelt werden. Mehr dazu in der Datenschutzerklärung.

YouTube-Embeds laden

Datenschutzerklärung

würde aber insbesondere bei Effizienz auf die APUs von AMD schielen