No conozco ArcGIS, pero tengo experiencia con FME (x64), postgresql, QGIS y otras aplicaciones de código abierto. La única vez que he conseguido todos los núcleos en mi i7 a casi 100% fue el momento en que procesé 100+ archivos laz (reproyectados y guardados en postgis local) 8 archivos al mismo tiempo desde FME workspacerunner.
Yo construiría una máquina de sobremesa para procesar así:
SO: 64 bits si usa windows tenga en cuenta que no todas las licencias de windows soportan la misma cantidad de RAM o cpus
La velocidad del núcleo i7 es clave aquí, pero es necesario tener varios núcleos (mínimo 8, más si es posible). GIS en el escritorio no necesita múltiples cpu's (mi opinión) Si las cargas de trabajo necesitan varias CPU's es mejor moverlas a servidores.
RAM tanto usted puede conseguir, incluso si utiliza programas de 32 bits , ¿por qué? porque la RAM también se utiliza para las memorias caché y si los datos están en la memoria caché que será 100 veces más rápido para leer desde allí que el disco también intercambiar matar rendimiento. para mi codificación / uso de bases de datos y por lo general pequeñas cantidades de datos gis (creo que el registro es de 35 100Mt laz archivos, drapeado linestrings en la superficie utilizando FME) me gustaría tener un mínimo de 32G (16G está bien, pero después de un día con 16G que necesitaba 24G + para conseguir un trabajo hecho ) si el dinero no es problema 128G. La memoria utilizada debe tener una buena latencia y througput
Y por último, pero no menos importante, varios discos duros, ¿por qué? Porque es IO de disco que matan el rendimiento cuando se maneja una tarea con gran conjunto de datos o cuando se hace el procesamiento en paralelo. Una vez más, si el dinero no es problema, iría 1 ssd para los programas, 1 para los archivos tmp, x veces raid 1 + 0 disco giratorio para los enormes conjuntos de datos que utiliza. La clave aquí es compartir io de disco entre los discos y el uso de disco prober para los datos. Los SSDs tienen mucho mejor IOPS, pero no tan buen rendimiento, mientras que los discos raid 0 tienen un gran rendimiento pero IOPS es malo. Bases de datos por lo general como SSD y archivos grandes como discos raid1. Una vez más, la clave aquí es compartir la carga io al leer y escribir datos.
Gráficos, casi todo vale con suficiente RAM para manejar dos monitores. Nota: Si tienes algun programa especial que soporte OpenCL o nvidia CUDA entonces consigue uno. Esos sistemas basados en GPU pueden acelerar el procesamiento 10x-100x ( no sé si algún SIG realmente soporta CUDA (¿Manifold tal vez? ) )
Te lo dice un tipo que se pasa la mayor parte del día codificando en C# (servidores), desarrollando sistemas web y, de vez en cuando, procesando cad en gis y corrigiendo errores topológicos (mediante código) en los mencionados archivos cad.
