At købe et nyt grafikkort er en af de store glæder ved at eje en gaming eller anden højtydende pc. Du kan tage en computer, du ejer i øjeblikket, og for en brøkdel af en hel maskines omkostninger kan du opgradere den til de nuværende grafiske standarder.

Desværre, på trods af at den er en nøglekomponent til spilydelsen, fungerer din GPU ikke isoleret. Det afhænger af, at de andre komponenter i computeren udfører deres arbejde ordentligt, ellers kan den ikke nå sit fulde potentiale. Dette er kendt som "flaskehalsning" og er en vigtig overvejelse, når du køber en ny GPU . Især en flaskehals mellem din GPU og eksisterende CPU er en vigtig bekymring.

Heldigvis er der et par onlineværktøjer designet til at hjælpe dig med at opdage flaskehalse og basere din beslutning på det. Specifikt vil vi se på et omfattende værktøj, der findes på gpucheck.com .

Før vi graver i de faktiske trin, der er involveret i at afgøre, om der eksisterer en flaskehals mellem din eksisterende CPU og potentielle GPU , skal vi kort udpakke, hvad en flaskehals er i praktiske termer.

Hvad er en GPU-CPU flaskehals nøjagtigt^{(Bottleneck Exactly)} ?

Når du spiller et videospil, arbejder hver komponent på din computer på et eller andet aspekt af det overordnede system. Din CPU er generelt ansvarlig for at lave fysikberegninger, den tænker over spillets AI, kører spillogikken, styrer animation og så videre. Din GPU gengiver alt det visuelle, du ser, som inkluderer alle de geometriske wireframes, teksturerne viklet rundt om dem, belysning og skygger.

GPU'en^(GPU) kan tydeligvis ikke gengive en given ramme af spillet, hvis CPU'en^(CPU) ikke har afsluttet de beregninger, den har brug for. Hvis din karakter har kastet en kniv i hovedet på en nisse, kan GPU'en^(GPU) ikke gengive slaget, hvis CPU'en^(CPU) ikke har fortalt den, om kniven ramte målet!

Det omvendte er også sandt. Hvis CPU'en^(CPU) er færdig med at lave sine beregninger, men GPU'en^(GPU) ikke er færdig med at gengive den forrige ramme, må CPU'en^(CPU) vente på det, måske endda dumpe arbejdet, fordi det ikke længere er relevant.

I en situation, hvor én komponent venter på, at en anden afslutter sit arbejde, før man går videre med sit eget arbejde, har man en flaskehals. Grundlæggende^(Basically) er hele systemet kun så hurtigt som den langsomste komponent i kæden. I videospil viser dette sig generelt som en billedhastighed begrænset af den langsommere komponent.

Er flaskehalse universelt dårlige?

Ingen! Faktisk er der næsten altid^{(always )} en flaskehals i ethvert system. Det er utroligt sjældent, at enhver computer er perfekt afbalanceret i enhver situation, hvor hver komponent nynner med på sit fulde potentiale. Så spørgsmålet er i virkeligheden ikke, om der eksisterer en slags flaskehals, men snarere om, i hvilken grad de langsommere komponenter begrænser tingene, er et problem.

Hvis din CPU kun lader dig få fordelen af 98 % eller 99 % af dine GPU'ers^(GPUs) maksimale ydeevne, er det næppe et problem. Hvis du kun får 70 % af din GPU's potentiale på grund af en langsom CPU , har du spildt penge på hardwareydelse, som du ikke kan få adgang til uden endnu en opgradering.

Hvis din nye GPU giver 100 %, men din CPU kun er 50 % optaget, betyder det, at du kunne have tilsluttet et hurtigere kort og haft endnu bedre ydeevne. Selvom denne situation er mindre af et problem, da vi normalt bruger vores computere til andre opgaver end blot at spille videospil.

Så for andre applikationer vil du stadig nyde fordelen af den ekstra CPU- kapacitet. For ikke at nævne at have lidt plads til at køre yderligere baggrundsopgaver uden at påvirke spillets ydeevne. Kort sagt - GPU flaskehals god, CPU flaskehals dårlig.

Yderligere faktorer, der påvirker flaskehalsfortolkning^{(Affect Bottleneck Interpretation)}

Der er mere til at fortolke flaskehalsens alvor end blot at sige, at GPU X og CPU Y er et dårligt match. Det skyldes, at forskellige typer software har forskellige belastninger på begge komponenter.

Et spil, der kun gør let brug af CPU- funktioner, vil lade din GPU flyve med den billedhastighed, den kan klare. Indlæs^(Load) på den anden side et CPU- intensivt simulerings- eller strategispil, og pludselig trækker din normalt underudnyttede CPU i stedet for billedhastigheden.

De indstillinger, du bruger til at spille, påvirker også denne beregning. For eksempel lægger det mere pres på GPU'en^(GPU) ved at spille med højere opløsninger , hvilket sænker den, fordi det tager længere tid at få et højere pixelantal. Jo højere opløsning, jo mindre af en flaskehals bliver CPU'en^(CPU) .

Fordi det stadig gør det samme arbejde, men GPU'en^(GPU) gør mere. Så hvis din CPU begrænser billedhastigheder til 60 billeder i sekundet, når du spiller ved 1080p, vil du stadig få 60 fps ved 1440p eller 4K, forudsat at din GPU er op til det.

Tjek for flaskehalse^{(Bottlenecks)} med GPU-tjek^{(GPU Check)}

Nu hvor vi har præamblen af vejen, lad os faktisk lave en virtuel flaskehalskontrol.

Først skal du navigere til denne side^{(this page)} ved GPU Check. Nu, under første kombination^{(first combination)} , skal du vælge den GPU , du har i øjeblikket, samt den CPU , du har i øjeblikket.

Under ønsket kvalitetsindstilling^{(desired quality setting)} vil vi efterlade dette under ultra , da det er den indstilling, vi vil bruge i spil. Hvis du sigter efter noget lavere, skal du justere i overensstemmelse hermed.
Nu under den anden kombination skal du vælge den GPU , du har til hensigt at købe. Til sidst skal du klikke på brug samme processor^{(use same processor)} .

Klik derefter på Sammenlign^(Compare) .

Lad os se på resultaterne og fortolke dem. Det vigtigste tal her er CPU Impact on FPS . Dette viser, hvor meget CPU'en^(CPU) holder GPU'en^(GPU) tilbage . Med det gamle kort var dette tal 10%, hvilket anses for OK, selvom det helst skal være mindre.

Det nye kort held back 20% by the CPU.Hvilket betyder, at vi nok er bedre stillet ved at købe et lidt langsommere kort, overclocke vores eksisterende CPU eller opgradere CPU'en^(CPU) på et senere tidspunkt.

Selvfølgelig er denne nye GPU i reelle termer mellem 36% og 39% end vores nuværende kombination. Den samlede kombinationsscore^{(Overall Combination)} viser os, hvor godt dette er som en absolut præstationskombination ved ultraindstillinger.

Ved at bruge disse oplysninger bør du være i stand til at træffe et informeret valg om, hvorvidt den potentielle GPU er det rigtige køb for dig.

See How Much Your CPU Bottlenecks Your GPU BEFORE You Buy It

Buying a new grаphics card is one of the great joys of owning a gaming or other high-performance PC. You get to take a computer you сurrently own and, for a fraction of a whole machine’ѕ cost, upgrade it to current graphical standards.

Unfortunately, despite being a key component to gaming performance, your GPU doesn’t work in isolation. It depends on the other components within the computer to do their jobs properly, or it can’t reach its full potential. This is known as “bottlenecking” and is a key consideration when buying a new GPU. A bottleneck between your GPU and existing CPU in particular is an important concern.

Luckily there are a few online tools designed to help you detect bottlenecks and base your decision on that. Specifically, we’ll be looking at a comprehensive tool found at gpucheck.com.

Before digging into the actual steps involved in determining whether a bottleneck exists between your existing CPU and prospective GPU, we need to briefly unpack what a bottleneck is in practical terms.

What Is a GPU-CPU Bottleneck Exactly?

When you are playing a video game, every component of your computer is working on some aspect of the overall system. Your CPU is generally responsible for doing physics calculations, it does the thinking for the game AI, runs the game logic, manages animation and so on. Your GPU renders all the visuals that you see, which includes all the geometric wireframes, the textures wrapped around them, lighting and shadows.

Clearly the GPU can’t render a given frame of the game if the CPU hasn’t finished the calculations it needs. If your character has thrown a knife at a goblin’s head, the GPU can’t render the impact if the CPU hasn’t told it whether the knife hit the target!

The reverse is also true. If the CPU is done doing its calculations, but the GPU isn’t finished rendering the previous frame, the CPU has to wait for it, perhaps even dumping the work because it’s no longer relevant.

In a situation where one component is waiting for another to finish its job before moving on with its own work, you have a bottleneck. Basically, the entire system is only as fast as the slowest component in the chain. In video games this generally manifests as a frame rate limited by the slower component.

Are Bottlenecks Universally Bad?

No! In fact, there is almost always a bottleneck in any system. It’s incredibly rare for any computer to be perfectly balanced in every situation, with each component humming along at its full potential. So the issue really isn’t whether some sort of bottleneck exists, but rather whether the degree to which the slower components limit things is a problem.

If your CPU only lets you get the benefit of 98% or 99% of your GPUs maximum performance, that’s hardly an issue. If you’re only getting 70% of your GPU’s potential because of a slow CPU, you’ve wasted money on hardware performance you can’t access without yet another upgrade.

If your new GPU is giving 100%, but your CPU is only 50% busy, it means you could have hooked up a faster card and enjoyed even better performance. Although, this situation is less of an issue, given that we usually use our computers for tasks other than just playing video games.

So for other applications you’ll still enjoy the benefit of that spare CPU capacity. Not to mention having some room to run additional background tasks without affecting game performance. In short – GPU bottleneck good, CPU bottleneck bad.

Additional Factors That Affect Bottleneck Interpretation

There’s more to interpreting bottleneck severity than just saying GPU X and CPU Y are a bad match. That’s because different types of software present different loads on either component.

A game that makes only light use of CPU functions will let your GPU fly at whatever frame rate it can manage. Load up a CPU-intensive simulation or strategy game on the other hand, and suddenly your usually under-utilized CPU is tanking the frame rate instead.

The settings you use to play also influence this calculation. For example, playing at higher resolutions puts more strain on the GPU, slowing it down because it takes longer to crunch higher pixel counts. The higher the resolution, the less of a bottleneck the CPU becomes.

Because it is still doing the same work, but the GPU is doing more. So if your CPU is limiting frame rates to 60 frames per second when playing at 1080p you’ll still get 60fps at 1440p or 4K, assuming your GPU is up to it.

Checking For Bottlenecks With GPU Check

Now that we have the preamble out of the way, let’s actually do a virtual bottlenecking check.

First, navigate to this page at GPU Check. Now, under first combination, choose the GPU you currently have as well as the CPU you currently have.

Under desired quality setting, we are going to leave this under ultra, since that’s what setting we want to use in games. If you are aiming for something lower, adjust accordingly.
Now under the second combination, choose the GPU you intend to buy. Finally, click use same processor.

Then click Compare.

Let’s look at the results and interpret them. The most important number here is CPU Impact on FPS. This shows how much the CPU is holding back the GPU. With the old card, this figure was 10%, which is considered OK although it should preferably be less.

The new card is held back 20% by the CPU. Which means we are probably better off buying a slightly slower card, overclocking our existing CPU or upgrading the CPU at a later date.

Of course, in real terms this new GPU is between 36% and 39% than our current combination. The Overall Combination score shows us how good this is as an absolute performance combo at ultra settings.

Using this information, you should be in a position to make an informed choice about whether that prospective GPU is the right purchase for you.

Hanne Fransson

About the author

audiofil ingeniør og audio produktspecialist med mere end 10 års erfaring. Jeg har specialiseret mig i at skabe kvalitets musikhøjttalere og høretelefoner fra start til slut. Jeg er ekspert i fejlfinding af lydproblemer samt design af nye højttalere og hovedtelefonsystemer. Min erfaring rækker ud over blot at lave gode produkter; Jeg har også en passion for at hjælpe andre til at være deres bedst mulige jeg, uanset om det er gennem uddannelse eller samfundstjeneste.

Se, hvor meget din CPU flaskehalser din GPU, FØR du køber den