كيفية التحقق من الأداء الحراري لخادم GPU قبل النشر على نطاق واسع

إذا سبق لك أن قمت بنشر خوادم GPU على نطاق واسع، فأنت تعرف بالفعل الحقيقة المرة: الهيكل الذي يبدو جيدًا في المختبر يمكن أن ينصهر (أو يتباطأ بهدوء) في حامل حقيقي. تصرخ المراوح، وتنخفض الساعات، وترفرف العقد، ويبدأ فريق العمليات الخاص بك في وضع علامة “sus” على كل شيء في الساعة 2 صباحًا.

إذن، هذا هو الحجة: أنت لا تتحقق من صحة “صندوق”. أنت تتحقق من صحة نظام تدفق الهواء بأكمله.—الرفوف، الكابلات، منحنيات المراوح، الحمل الحراري، والطريقة التي ينشرها فريقك بالفعل. احرص على القيام بذلك بشكل صحيح قبل التوسع، وستقلل من مخاطر عملية النشر بشكل كبير.

ونعم، الهيكل مهم جدًا. مصمم خصيصًا لهذا الغرض حالة خادم وحدة معالجة الرسومات يمنحك مساحة حرارية أكبر بكثير من التصميم العشوائي “الذي يعمل على الورق”. إذا كنت تشتري بكميات كبيرة، فأنت تريد مصنعًا يقوم بتصنيع OEM/ODM بشكل نظيف، وليس مجرد كتالوج. هذا هو المجال الذي تعمل فيه IStoneCase: “IStoneCase – الشركة الرائدة عالمياً في تصنيع حلول OEM/ODM لحافظات GPU/الخوادم وحافظات التخزين.”

التحقق من الصحة الحرارية قبل النشر على نطاق واسع: ما الذي تثبته

قبل شحن المنصات النقالة، تحتاج إلى إثبات على ثلاثة مستويات:

• تحتفظ وحدات معالجة الرسومات بالساعات تحت حمل مستمر (بدون اختناق خفي).
• الأجزاء غير المرتبطة بوحدة معالجة الرسومات تظل سليمة (NIC/HBA/NVMe/اللوحة الخلفية هي الأماكن التي تختبئ فيها المفاجآت).
• إعداد الرف الخاص بك لا يعرقل تدفق الهواء (ألواح فارغة، فوضى الكابلات، موضع السكك الحديدية، كل ذلك).

هذه هي الفكرة الرئيسية. والآن لننتقل إلى الجانب العملي.

الظروف الواقعية: تدفق الهواء في الرفوف، فوضى الكابلات، وانخفاض الضغط

الظروف الواقعية: حامل، ممر ساخن/ممر بارد، تدفق هواء من الأمام إلى الخلف

ابدأ بالواقع المادي نفسه الذي ستعيش فيه أسطولك:

• نفس عمق الخزانة وموضع السكة
• نفس وحدات PDU ومسارات الكابلات (لا تقم بترتيبها)
• نفس معدات الجيران (محول أعلى الرف، عربات تخزين، وما إلى ذلك)

إذا قمت بالتحقق في الهواء الطلق، فأنت تقوم في الأساس باختبار جهاز مختلف. في الرف،, انخفاض الضغط يصبح الرئيس. معجبيك لا يحركون “الهواء”، بل يحركون الهواء ضد المقاومة.

إذا كنت تبحث عن رف لتركيبه، فإن علبة كمبيوتر كمبيوتر رف الخادم الاختيار ليس تجميليًا. فهو يحدد مسار تدفق الهواء وتصميم جدار المروحة والوصول للصيانة.

انخفاض الضغط، منحنيات المروحة، و“لماذا يكون GPU #6 ساخنًا دائمًا؟”

إليكم النمط الذي أراه كثيرًا: GPU #1–#4 تبدو جيدة، #5–#8 تعمل بدرجة حرارة أعلى، ويقوم شخص ما بإلقاء اللوم على بائع البطاقة. لا. عادةً ما يكون السبب أحد الأسباب التالية:

• حزم الكابلات التي تعيق الدخول
• منطقة PCIe riser/retimer التي تحبس الهواء الساخن
• استراتيجية مسح خاطئة تؤدي إلى إعادة التدوير
• منحنى المروحة لطيف للغاية حتى يصبح الوقت متأخراً بالفعل

يمكنك إصلاح هذا عن طريق الاختبار مثل العمليات سيتم نشره, ، وليس كما يرغب المهندسون في أن تنشر العمليات. (العمليات مشغولة. سيفعلون ما في وسعهم.)

اختبار الإجهاد القابل للتكرار: فحوصات الحالة الحرارية المستقرة والاختناق

اختبار الإجهاد المتكرر: حالة ثبات حراري مع حمل GPU مستمر

الركض القصير يكذب. أنت تريد الحالة الحرارية المستقرة, ، حيث تتوقف درجات الحرارة عن الارتفاع ويستقر النظام.

نهج بسيط وفعال:

• تشغيل حمل عمل GPU مستمر لفترة كافية حتى يصل إلى مرحلة الاستقرار
• حافظ على استقرار الظروف المحيطة (نفس الممر، نفس موضع الباب، نفس سياسة المروحة)
• سجل كل شيء، في كل مرة

أنت لا تسعى وراء رقم مثالي. أنت تثبت التكرار: نفس التكوين يعمل بنفس الطريقة في جميع الوحدات.

تشخيص DCGM، أحمال من نوع gpu-burn، وعلامات الفشل

للتحقق من صحة أسلوب الأسطول، غالبًا ما يستخدم المشغلون أدوات مثل تشخيصات DCGM وأحمال العمل الشاقة لأنها متسقة وقاسية. المهم ليس الأناقة، بل الإشارة.

ما هو شكل “السيئ”:

• تتذبذب ساعات GPU على الرغم من استقرار الاستخدام
• عدد دورات المروحة في الدقيقة ثابت ولكن درجات الحرارة لا تزال ترتفع
• تفشل عقدة واحدة فقط عندما يتم تحميل الجيران (تفاعل الرف الكلاسيكي)

إذا كنت تبني من أجل التوسع، فإن علبة كمبيوتر الخادم يجب أن يدعم هذا النوع من الاختبارات المتكررة دون الحاجة إلى القيام بعمليات اختراق غريبة.

عرض النظام: النقاط الساخنة خارج نطاق وحدة معالجة الرسومات

عرض النظام: NIC، HBA/RAID، NVMe، اللوحة الخلفية، ونقاط الاتصال الساخنة VRM

تركز معظم الفرق على درجة حرارة وحدة معالجة الرسومات (GPU) وتعتبر أن المهمة قد انتهت. ثم يتعطل المجمع بسبب ارتفاع درجة حرارة بطاقة الشبكة (NIC) أو ظهور أخطاء في بطاقة HBA.

لذا قم بالتحقق من صحة الخريطة الحرارية بأكملها:

• درجة حرارة وحدة معالجة الرسومات (GPU) والذاكرة (مهما كان ما يعرضه المكدس الخاص بك)
• مناطق VRM (مستشعرات اللوحة إن وجدت)
• درجة حرارة بطاقة NIC (خاصة بطاقات NIC عالية السرعة)
• درجات حرارة محرك NVMe (يمكن أن تصبح الفتحات الأمامية ساخنة)
• مناطق اللوحة الخلفية وسلوك عادم وحدة تزويد الطاقة

هذا هو سبب فشل عقلية “صندوق الكمبيوتر”. أ خادم حالة الكمبيوتر البناء هو مشكلة تصميم تدفق الهواء، وليس مجرد معدن + مراوح.

المخالفات الحرارية والطاقة: تعامل مع القياس عن بعد كبوابة صعبة

إذا لم ينتج عن التحقق الخاص بك سجلات يمكنك تسليمها إلى قسم العمليات، فإنه لا يعتبر تحققًا. إنه مجرد إحساس.

إليك ما يجب تسجيله في كل جولة:

• اتجاه درجة حرارة وحدة معالجة الرسومات (GPU) (وليس فقط الذروة)
• توقيت GPU وأسباب التباطؤ
• اتجاه استهلاك الطاقة (النسبي جيد)
• عدد دورات المروحة في الدقيقة ودورة التشغيل
• لقطات مستشعر BMC/IPMI (مدخل/مخرج إذا كان لديك)
• سجلات الأحداث (الأخطاء القابلة للتصحيح، إعادة تدريب الروابط، إلخ)

ونعم... أحيانًا يبدو السجل “جيدًا” ولكن المستخدم يشكو من بطء العمل. عندها تبدأ في البحث في الساعات. التخميد الحراري صامت، مثل رفيق سكن سيئ.

احتراق طويل: 24-48 ساعة لإزالة الأخطاء

اختبار طويل الأمد: اختبار نقع لمدة 24-48 ساعة للتأكد من الاستقرار

إذا كنت تريد الثقة قبل النشر على نطاق واسع، فقم بإجراء اختبار حقيقي. أ 24-48 ساعة يعد الاحتراق أمرًا شائعًا لأنه يلتقط العناصر التي تظهر فقط بعد امتصاص الحرارة أو تآكل المروحة أو ضعف طفيف في سكة PSU.

أثناء الاختبار، انتبه لما يلي:

• الزحف الحراري التدريجي
• تساقط العقد العشوائي
• “السلوك الذي ”يفشل بين عشية وضحاها" (الأسوأ نوعًا)

وهنا أيضًا تظهر جودة تصنيع الهيكل. الأصوات المزعجة، وحوامل المروحة غير الثابتة، والاهتزازات الغريبة — هذه ليست “أمور بسيطة”. إنها إنذارات مبكرة.

مصفوفة تحقق عملية للأداء الحراري لعلبة خادم GPU

ماذا تفعل عندما تفشل عملية التحقق (لأنها ستفشل)

ملاحظة صغيرة: لا تحاول “إصلاح” المشكلة عن طريق تشغيل المراوح على أقصى سرعة بشكل دائم. فهذا سيؤدي إلى ضوضاء في الرفوف وغضب الناس. إنها حل مؤقت، وليست تصميمًا.

اختيار فئة الهيكل المناسبة: هيكل خادم GPU مقابل هيكل خادم ATX مقابل هيكل صغير الحجم

إذا كنت تستخدم وحدات معالجة رسومات (GPU) عالية الكثافة، فعادة ما تحتاج إلى هيكل مصمم خصيصًا لهذا الغرض. للأغراض العامة حالة خادم atx يمكن أن يعمل مع عدد أقل من وحدات معالجة الرسومات (GPU)، ولكن بمجرد تجميع عدة بطاقات ذات TDP عالية، يصبح تصميم تدفق الهواء صعبًا للغاية.

بالنسبة للبنيات الضخمة، من الطبيعي مزج المنصات:

• عقد حسابية GPU في مخصص وحدة معالجة الرسوميات الخادم حالة الهيكل
• عقد التخزين باستخدام أجهزة NAS أسلوب الإحاطة
• تحسينات قابلية الخدمة باستخدام سكة توجيه الشاسيه حتى لا تتحول المقايضات إلى مباراة مصارعة

وإذا كنت بحاجة إلى قيود غريبة (فتحات إدخال/إخراج مخصصة، تعديلات على تصميم المروحة، مرشحات الغبار، العلامة التجارية)، فهذا هو المكان المناسب لذلك. حلول تصنيع المعدات الأصلية/التصنيع حسب الطلب لا تريد أن تقوم بنفسك بتركيب حواجز تدفق الهواء باستخدام شريط رغوي في رف الإنتاج. فهي تبدو رخيصة لأنها كذلك بالفعل.