Как влияет количество модулей ОЗУ на производительность системы? Тест DDR5-5600 с тремя CPU: Ryzen 9 7950X, Core i9-13900KF, Core i5-13400
13-06-2023
С момента выхода DDR5 для широкой публики прошло достаточно много времени, детские болезни в виде дороговизны, нестабильности и плохой производительности почти все компании вылечили. Память стала стоить разумных денег, снизили тайминги, завезли поддержку кросс-платформы - то есть работы было проведено не мало.
Однако, собирая систему, не все сразу берут топовые жирные "киты". Нередко приходится экономить. А как лучше? Можно взять 2 по 8 ГБ, а затем добавить еще. А если материнская плата только с двумя слотами – то может 1 на 16 GB и добавить в будущем еще один. А если взяли всего 8 GB планки, то придется заменять всю память? Чтобы ответить на эти вопросы, мы и решили сделать этот тест, найдя три комплекта DDR5-5600, как наиболее актуальные по соотношению цена/возможность от компании Kingston.
Первый комплект Kingston FURY Beast RGB DDR5-5600 двумя планками по 16 ГБ и таймингом CL40.
Каждый модуль построен на восьми 2G x 8-bit FBGA банках. По умолчанию они стартуют на скорости 4800 МТ/с, благодаря поддержке профилей Intel XMP 3.0 обеспечивается гарантированная работа на целевой частоте.
Кроме этого уже привычные радиаторы для отвода тепла и поддержка RGB-подсветки для дополнительной кастомизации системы.
Второй и третий комплекты также Kingston FURY Beast RGB с поддержкой работы на частоте 5600 МТ/с и теми же таймингами CL40, но двумя планками по 8 ГБ. Разница с предыдущим набором заключается только в том, что эти модули построены на четырех 1G x 16 FBGA компонентах.
Таким образом, 8 ГБ модулей у нас будет 4 штуки. Именно эти комплекты позволят нам ответить на ряд вопросов. Что будет если сравнить два по 16 против одного на 16 ГБ, если мы сэкономили? Или 4 по 8 ГБ будут работать как 2 по 16? Также некоторые дополнительные тесты.
Для полноты картины, тестировать будем на разных платформах. Первой будет AMD.
Тестовый стенд
Среди существующих процессоров выбрали мощный Ryzen 9 7950X, который без 3D V-cache, потому что он нам здесь не нужен.
Материнская плата также мощная – ASUS ROG STRIX X670E-F GAMING WIFI.
За охлаждение отвечала трехсекционная жидкостная система охлаждения DeepCool LS720.
Дисковая подсистема базируется на Kingston KC3000 емкостью 1TB.
Воспроизводить графику будет Palit GeForce RTX 4090 GameRock OC.
Применили все надежным Seasonic PRIME GX-1000 на 1 кВт.
А подружились все компоненты в корпусе DeepCool CG560.
Со стендом разобрались, переходим к тестам.
Тесты на Ryzen 9 7950X
По традиции, начнем с синтетики.
В 7-ZIP лучше себя покажет "кит" из 2 планок по 16 ГБ. Но в случае если модуль будет только один, потери производительности будут огромны – более 40% на "компрессию" и почти 5% по "декомпрессии", что в итоге дает 17% разницы в MIPS.
Если сравнивать те же два по 16 против четырех по 8 ГБ, то разница в данном случае абсолютно незначительная и составляет до 1% в пользу более объемных модулей.
А если такого объема не нужно и можно ограничиться 16 ГБ, то лучшим вариантом станут 2 планки по 8 ГБ.
Сравнивая с одной планкой на 16 ГБ, мы можем видеть на 17% лучшую "компрессию", на 2.5 "декомпрессию" и почти 8% в рейтинге MIPS в пользу пары менее объемных модулей.
И в конце концов для разнообразия 4 планки против 2-х по 8 ГБ.
И очевидно, что больший объем показал себя лучше, а именно на 17% в "компрессии", около 1% в "декомпрессии" и 7% в рейтинге MIPS.
В AIDA64: Cache & Memory распределение мест аналогично предыдущему бенчмарку. Лучше всего упражняются два модуля по 16 ГБ и несколько отстают четыре по 8 ГБ на 2-3% по общим показателям. Также задержки при использовании четырех стоков станут больше на 3%.
А если планка на 16 ГБ будет только одна, то потери теоретической производительности катастрофичны хотя и логичные - от 78% на "копирование" до почти 100% на "чтение" памяти. Да, задержки при использовании двух планок выше, но это незначительные, можно сказать несуществующие 0.1%.
При тестировании объема в 16 ГБ одной планкой против двух по 8 ГБ очевидно преимущество двухканального режима от 40 до 44%, а задержки – до 0,3%.
Также, по сравнению четырех планок против двух по 8 ГБ преимущество на стороне большего объема, на 1,5% по чтению, почти 11% на запись и 5,5% для копирования.
Единственное, что задержки в таком случае больше – на 3,5%.
Как показывает тестирование, оперативная память влияет и на работу ядер процессора, что можно увидеть на примере Geekbench 6. Результаты не всегда отличаются, но на них стоит обратить внимание. Как вот при использовании одной планки на 16 ГБ вместо двух таких же, очень страдает многоядерная производительность – на 27%, если конкретнее.
В свою очередь объем в 32 ГБ, достигнутый двумя планками или четырьмя показывает почти одинаковые результаты, хотя все же две планки лучше на 1% в многоядерных нагрузках.
Если сравнить одну планку на 16 ГБ против двух по 8 ГБ, опять же страдает производительность - многоядерная на 16% и одноядерная около погрешности измерения.
С четырьмя планками против двух по 8 ГБ многоядерная производительность выше на 6%, а одноядерная почти не изменилась.
Промежуточный итог таков. Ожидаемо, "много памяти не бывает" и система с объемом 32 ГБ, которые набраны двумя планками или четырьмя показывает себя даже лучше 16 ГБ из двух планок. При использовании только одной планки памяти на 8 или 16 ГБ потери производительности ощутимы, особенно в теоретической AIDA64 – почти 100%. Собственно, очень и очень стоит задействовать оба канала памяти.
Но синтетика не всем интересна, давайте взглянем на игровую производительность на примере нескольких игр в разрешении Full HD.
Первым будет неоновый Cyberpunk 2077 на "Ультра" настройках с DLSS на "Ультра Производительность" без RT и "генератора кадров". Таким образом две планки на 16 ГБ по сравнению с одной обеспечивают на 14% лучший результат по средней частоте кадров, на 28% по редким и 1,5% по очень редким событиям.
Ситуация с 32 ГБ, набравшимися двумя и четырьмя планками, выглядит гораздо интереснее. На 16 ГБ модулях лучшие результаты по основным показателям – на 0,5% по среднему и около 3,5% по редким событиям. Однако показатель очень редких событий в таком случае фиксирует FPS на уровне 77, что на 15% хуже, чем у 32 ГБ набора.
При сравнении одной планки на 16 ГБ против двух по 8 ГБ, мы видим, что из-за отсутствия двухканального режима система теряет от 9 до 15% производительности.
А если зарядим четыре 8 ГБ планки против двух таких же – то картина намного прозаичнее и составляет около 5% по всем показателям в пользу большего объема.
А теперь, чтобы было интереснее, добавили к предварительным настройкам RT: Overdrive Mode. FPS после этого просел повсюду и разница между китами тоже.
При использовании двух 16 ГБ модулей против одного разрыв увеличился кратно и теперь разница по среднему fps составляет почти 21%, по показателю редких - 28% и очень редких событий несколько больше 18%.
Результаты 32 ГБ двумя планками против четырех показывают, что разницы по основным показателям почти нет. Да, по среднему FPS есть около 1%, но в конце концов это можно списать на погрешность бенчмарка – потому что по редким событиям разницы нет совсем. По показателю очень редких событий разница сократилась до 4% в пользу четырех модулей.
Одна планка на 16 ГБ против двух по 8 ГБ. Показатели идентичны результатам без RT, но потери производительности от 10 до 15%.
А при тестировании 8 ГБ модулей с пропорцией четыре против двух мы видим, что разница увеличилась и теперь составляет более 7%.
А теперь посмотрим на Hogwarts Legacy на "Ультра" без DLSS, трассировку лучей или "генератор кадров". Две планки по 16 ГБ, конечно, покажут себя лучше одной такой - по среднему показателю на 7%, редких событиях почти на 29%, и очень редких - на 90%.
32 ГБ двумя планками также демонстрируют более высокую производительность за четыре на 5% по среднему fps, 13% по редким и более 30% по очень редким событиям.
В свою очередь, 16 ГБ одной планкой по сравнению с двумя по 8 ГБ покажет себя хуже от 7,5 до 10%.
Несколько неоднозначная ситуация по сравнению четырех модулей по 8 ГБ против двух, где по среднему FPS 4 планки "рисуют" на 6 к/с меньше, но по остальным показателям имеют преимущество – на 2% по редким и на 28% по очень редким событиям.
И последней игрой в списке будет Total War Saga: Troy на ультранастройках с масштабом рендера в 50% и экстремальными травами и юнитами. В этой игре можем наблюдать насколько важна вторая планка оперативной памяти на 16 ГБ, так как при ее отсутствии игрок не досчитается более 60% fps по основным показателям и более 80% по статистике очень редких событий.
В свою очередь использование четырех планок по 8 ГБ показывает, что по среднему значению разницы нет, а по статистике редких – 1%, и очень редких событий – почти 7%.
На примере 16 ГБ одной планкой против двух по 8 ГБ также наблюдается потеря около 30% по всем показателям.
А с объемом в 32 против 16 ГБ, собранными 8 ГБ модулями, видим, что больший объем памяти позволяет системе демонстрировать в среднем на 15% более высокие результаты по всем показателям.
Промежуточный вывод №1
Что ж, с играми в этом блоке все - как видим, Ryzen'у нравится большой объем ОЗУ, поэтому пословица "много памяти не бывает" в данном контексте актуальна как никогда.
В случае использования одной планки на 16 ГБ против двух, система недосчитывается около 30% потенциальной игровой производительности по основным показателям, а по очень редким событиям почти 50%.
При объеме в 32 ГБ четырьмя модулями против двух потеря производительности будет составлять около 5% по всем показателям, что достаточно неплохо.
А если рассматривать более "близкий" народный вариант в 16 ГБ двумя планками против одной, то в таком случае производительность будет лучше от 14 до 17%.
Также заметим, 32 против 16 ГБ образованных 8 ГБ модулями, которые ведут себя лучше на 5% по средней частоте кадров и от 8% до 14% по редким и очень редким событиям.
Тесты Core i9-13900KF
А как обстоят дела у процессоров Intel, которые славятся замечательной работой с пропускной способностью и низкими задержками? Взглянем на примере Core i9-13900KF.
Соответственно материнскую плату заменим ASUS PRIME Z790-A WIFI.
Для начала снова синтетика.
В 7-ZIP, прибавив в одну планку еще 16 ГБ, получаем прирост компрессии на 73%, декомпрессии – на 2% и плюс 24% к рейтингу MIPS.
Сравнивая тех же два по 16 против четырех по 8 ГБ, мы видим, что картина противоположна результатам Ryzen. Контроллер Intel показывает лучшие результаты с менее объемными модулями до почти 3% на компрессию. Но производительность декомпрессии остается практически неизменной, поэтому в рейтинге MIPS разница в 1%.
А на примере использования объема в 16 ГБ одной планкой вместо двух по 8 ГБ система не досчитается около 33% в компрессии, 1% в декомпрессии и 13% в рейтинге MIPS.
При использовании 32 против 16 ГБ, собранных 8 ГБ модулями, система показала прирост около 20% в компрессии, 1% в декомпрессии и 8% в общем рейтинге MIPS.
В AIDA64: Cache & Memory распределение мест достаточно предсказуемо.
При использовании двух модулей по 16 ГБ против одного, мы можем рассчитывать на прирост в 83% в операциях чтения и копирования и почти 100% на запись. Задержки при этом лучше на каких-то 2%.
Также, сравнивая те же 32 ГБ двумя модулями против четырех по 8 ГБ, мы видим, что преимущество будет составлять 7% на чтение, более 8% на запись и около 5% при копировании.
Подключив одну планку на 16 ГБ вместо двух по 8 ГБ, пользователь не досчитается около 40% производительности по всем показателям, да и задержки будут на 3% хуже.
А при тестировании 4 планок по 8 ГБ против 2 таких же система почему потеряла почти 4% в операциях по “чтению”. Но в "записи" и при "копировании" получила бонус в 8% с лишним. Задержки при этом увеличились на 1%.
В Geekbench 6, используя две планки по 16 ГБ против одной, можем рассчитывать на более чем 27% лучший результат в многоядерных задачах и около 3% в одноядерных.
В противостоянии 32 ГБ двумя планками по сравнению с четырем разницы почти нет. Точнее, она составляет всего 0,5% в пользу более объемных модулей.
В случае одной планки на 16 ГБ против двух по 8 ГБ потеряем 17% в многоядерной и около 3% в одноядерной производительности.
Если набор из четырех планок по 8 ГБ сопоставить с двумя такими же, система покажет на 5% лучший результат в многоядерной производительности, но потеряет менее 1% в одноядерной.
Промежуточный итог
В данном случае синий процессор лучше оперирует четырьмя планками ОЗУ и набирает больше баллов в тестах 7-ZIP и Geekbench 6.
Хотя в теоретической AIDA64 "камень" лучше себя показывает с двумя планками по 16 ГБ. Однако, в конце концов, это не отразится на финальных выводах, так как ситуация очень похожа на предыдущую из Ryzen.
Но не будем ограничиваться только синтетикой и посмотрим, как обстоят дела в играх, для которых оставили те же настройки.
Cyberpunk 2077 при использовании двух планок по 16 ГБ по сравнению с одной покажет на 7% лучший средний fps и более 15% прироста по показателю редких событий. В свою очередь 0,1% Low почти идентичен – менее 1% в пользу двуканала.
При этом по сравнению с четырьмя планками по 8 ГБ, средний fps совершенно тождественен, а вот редкие события оказались лучше – аж на 1 кадр. Однако просадки в случае 0,1% Low на двух планках ниже.
При использовании одной планки на 16 ГБ против двух по 8 ГБ пользователь не досчитается от 6 до 13% драгоценных fps.
И используя четыре против двух планок по 8 ГБ, результаты системы по основным показателям будут почти идентичны и превышать разницу в 1%. Однако очень редкие события будут лучше на двух планках – плюс 6%.
При добавлении ресурсоемкого режима RT: Overdrive две планки по 16 ГБ покажут от 15 до 20% больше fps по сравнению с одной.
А если в роли оппонента будут четыре планки по 8 ГБ, то здесь уже наоборот – система положительно оценит такой ход и по основным показателям прибавит около 1%, а по очень редким событиям – более 5%.
Если планка будет одна на 16 ГБ против двух по 8 ГБ, получим более 10% по основным показателям и около 15% по редким событиям в пользу двуканала, конечно. Тенденция становится все более и более устойчивой.
А если добавить к 16 ГБ двумя планками еще две по 8 ГБ, система оценит такой ход и наградит нас от 4% по среднему fps, более 6% по редким и 8% по очень редким событиям.
Hogwarts Legacy оказалась достаточно капризной к компоновке и объемам памяти. Поэтому, при использовании двух планок по 16 ГБ против одной, средний fps будет лучше всего на 1%, однако показатели редких вырастут почти на 20%, а очень редких событий на 112%.
По сравнению такого набора против четырех планок по 8 ГБ получим на 3% худший показатель по средней частоте кадров, идентичный fps по редким событиям, но более чем на 20% лучший результат по показателю 0,1% Low.
А в случае если одну планку на 16 ГБ сопоставить с двумя по 8 ГБ, то будем иметь на 3% худший средний fps, потеряем более 13% по редким и целых 50% по очень редким событиям. В конце концов - негативный эффект в этой игре был ожидаемый, но не настолько же...
И на конец 32 против 16 ГБ, скомпонованные 8 ГБ модулями - больший объем позволил получить около 1% прироста среднего FPS и более 3% по редким событиям, однако график очень редких событий ухудшился на 12,5%.
Теперь и к Total War Saga: Troy добрались. Если планка на 16 ГБ будет одна вместо двух, система не дорисует почти 70% fps по основным показателям и счетчик очень редких событий будет фиксировать на 62% худший результат.
Из 32 ГБ, собранными двумя планками по 16 ГБ, против четырех по 8 ГБ результаты будут почти идентичны, отметим лишь менее 1% по основным показателям в пользу более объемных модулей.
При использовании 16 ГБ одной планкой против двух по 8 ГБ пользователь не досчитается ощутимых 30% fps по всем показателям.
А больший объем памяти в случае сравнения 32 и 16 ГБ, собранных 8 ГБ модулями, покажет более высокие результаты по всем показателям - от 12,5 до почти 15%, что достаточно заметно.
Промежуточный вывод №2
Подытожив результаты, видим, как процессор хорошо работает с четырьмя модулями памяти, даже лучше, чем с парой объемных. Это противоположная ситуации чем с Ryzen'ом.
Тесты Core i5-13400
Но ведь не все будут ставить такую память под топовый Core i9. Для большинства пользователей нужно что-то из народного посмотреть, например, Core i5-13400.
И начнем с синтетики. В 7-ZIP потери производительности уже будут не так катастрофичны, как с i9, но все же ощутимы. Если использовать одну планку на 16 ГБ против двух, недосчитаемся около 25% в компрессии, менее 1% в декомпрессии и более 11% по рейтингу MIPS.
У двух планок по 16 ГБ по сравнению с четырьмя по 8 ГБ разницы совершенно нет. "Стоит ли говорить о менее 0,01%?"
Если же ограничиться одной планкой на 16 ГБ, а на другой чаше весов будут две по 8 ГБ, то система отдаст вам производительности на 16% меньше в компрессии, около 1% в декомпрессии и более 8% по рейсу MIPS.
Используя 8 ГБ модули, а именно четыре против двух – система сможет показать лучшие результаты на около 5% в компрессии, менее 0,5% в декомпрессии и более 2% в рейтинге MIPS.
Что касается AIDA64, то результаты синтетических тестов почти идентичны с i9 – соотношение лучше, а что хуже осталось таким же, однако проценты несколько отличаются, как видите.
А в Geekbench 6 добавление еще одной планки 16 ГБ к такой же существующей ощутимо скажется только на многоядерной производительности – плюс 15%. В одноядерной – меньше 1%.
При использовании 32 ГБ двумя модулями против четырех производительность вырастет на 1,5% в пользу 8 ГБ модулей.
Если сравнить 16 ГБ одной планкой против двух, то потеря многоядерной мощности будет на уровне 11%, а одноядерная при этом почти не изменится.
Противопоставив 32 и 16 ГБ, собранные 8 ГБ модулями, получим разницу от 2,5 до почти 4%, в пользу большего объема.
Выводы по синтетике такие же, как и для Core i9: "камень" лучше оперирует четырьмя планками памяти и набирает, таким образом, больше баллов в 7-ZIP и Geekbench 6.
И в конце тестирования, игровая производительность с уже известными вам настройками, в несколько ускоренном режиме.
В Cyberpunk 2077 году система с двумя планками по 16 ГБ покажет от 5 до 10% более высокую производительность по сравнению с одной.
А в противостоянии с тем же объемом, но собранным 8 ГБ модулями, система выдаст на 2 fps меньше по счетчику средней частоты, но по остальным показателям будет лучше – на 2% по редким и более чем на 6% по очень редким событиям.
А вот по очень редким событиям преимущество на стороне 16 ГБ – на 2%.
Выводы
Наконец-то переходим к выводам, в которых хочется сказать следующее...
Времена идут, а рекомендации по выбору памяти почти не меняются.
Что касается Ryzen, так как это их первый контроллер DDR5-памяти, нужно признать, работает он очень хорошо. Из особенностей, для системы на AM5 лучше использовать только 2 планки ОЗУ, так как производительность в таком случае будет выше от 2 до 5%. Использовать только один модуль памяти не стоит почти ни в коем случае, разве что в ближайшее время у вас будет возможность докупить второй для двухканального режима. Также, для AM5 очень важен и объем, что мы поняли по последним графам тестирования 8 ГБ модулей – прирост от 5 до 15%.
В случае с Intel, было заметно, что Core i9 гораздо лучше работает с памятью, чем тот же Core i5, у которого нет таких колоссальных разрывов в производительности как у "старшего брата". То есть, мириться с отсутствием двуканала и превосходной игровой производительности на Core i9 точно нельзя. А еще этот "камень" прекрасно использует четыре планки, как и Core i5 - лучше Ryzen конечно - хотя в конце концов в большинстве случаев все предпочитают только двое.
Поэтому для лучшей производительности настоятельно рекомендуется задействовать оба канала ОЗУ, а в вопросе объема уже нужно смотреть на бюджет. Однако держим в голове золотое правило: "памяти много не бывает".
Простите за отсутствие теории, и так материал выдался объемным и по тестам, и по анализу. Вкратце об особенностях DDR5 по сравнению с DDR4 мы уже рассказывали в предыдущем материале.
Автор: Степан Руденко
Также предлагаем почитать:
Обзор комплекта оперативной памяти DDR5-5600 Kingston FURY Beast KF556C40BBK2-32: технологический рывок
Обзор комплекта модулей оперативной памяти DDR4-3600 Kingston FURY Beast RGB объемом 32 ГБ: красочный зверь
Обзор комплекта оперативной памяти DDR5-6000 Kingston FURY Beast RGB (KF560C40BBAK2-32) объемом 32 ГБ: почти топ
Опубликовано : 13-06-2023
Подписаться на наши каналы | |||||