سیستم خنککننده مناسب برای سرورهای هوش مصنوعی چیست؟
با انواع سیستم خنککننده سرور هوش مصنوعی آشنا شوید؛ مقایسه خنکسازی هوایی، مایع و غوطه‌وری و نکات خرید از شرکت پویه پرداز افق
سرورهای هوش مصنوعی برای اجرای مدل‌های یادگیری عمیق، پردازش داده‌های حجیم، آموزش شبکه‌های عصبی و اجرای مدل‌های زبانی بزرگ به توان پردازشی بالایی نیاز دارند. در این سرورها معمولاً از پردازنده‌های گرافیکی قدرتمند (GPU)، پردازنده‌های مرکزی چند هسته‌ای، رم‌های پرسرعت و تجهیزات ذخیره‌سازی پیشرفته استفاده میشود. فعالیت هم‌زمان این قطعات، گرمای قابل‌توجهی تولید میکند که باید به‌صورت مداوم از محیط خارج شود.
به همین دلیل، انتخاب سیستم خنککننده مناسب یکی از مهم‌ترین مراحل طراحی و راه‌اندازی سرور هوش مصنوعی است. اگر تجهیزات سرمایشی نتوانند گرمای تولیدشده را به‌درستی دفع کنند، دمای قطعات افزایش پیدا میکند و ممکن است عملکرد پردازنده‌ها کاهش یابد، فن‌ها با سرعت بیشتری کار کنند یا سیستم برای جلوگیری از آسیب سخت‌افزاری، فرکانس کاری خود را محدود کند.
از طرف دیگر، خنکسازی نامناسب می‌تواند مصرف انرژی دیتاسنتر را افزایش دهد و هزینه نگهداری زیرساخت را بالا ببرد. بنابراین، سیستم خنککننده باید متناسب با توان مصرفی سرور، تعداد GPUها، طراحی شاسی، تراکم رک و شرایط محیطی انتخاب شود.
در این مقاله بررسی می‌کنیم که سیستم خنککننده مناسب برای سرورهای هوش مصنوعی چیست، چه تفاوتی میان خنکسازی هوایی و مایع وجود دارد، چه عواملی در انتخاب سیستم سرمایش مؤثر هستند و هنگام خرید سرور هوش مصنوعی چگونه باید نیازهای خنکسازی را ارزیابی کرد.
چرا خنکسازی سرور هوش مصنوعی اهمیت دارد؟
سیستم خنککننده وظیفه دارد گرمای تولیدشده توسط قطعات الکترونیکی را از سرور خارج کند و دمای آنها را در محدوده مجاز نگه دارد. این وظیفه در سرورهای هوش مصنوعی اهمیت بیشتری دارد؛ زیرا GPUهای قدرتمند و پردازنده‌های پرمصرف می‌توانند هنگام اجرای پردازش‌های سنگین، مقدار زیادی گرما تولید کنند.
برای مثال، در زمان آموزش یک مدل یادگیری عمیق، GPU ممکن است برای ساعت‌های متوالی با استفاده بالا فعالیت کند. اگر سیستم خنککننده نتواند دمای قطعه را کنترل کند، عملکرد آن ممکن است تحت تأثیر قرار بگیرد.
مهم‌ترین دلایل اهمیت خنکسازی مناسب عبارت‌اند از:
- جلوگیری از افزایش بیش از حد دمای GPU و CPU
- حفظ عملکرد پایدار در پردازش‌های طولانی‌مدت
- کاهش احتمال بروز خطاهای حرارتی
- جلوگیری از محدود شدن فرکانس پردازنده‌ها بر اثر دمای بالا
- افزایش قابلیت اطمینان زیرساخت
- مدیریت مصرف برق فن‌ها و تجهیزات سرمایشی
- کاهش هزینه‌های عملیاتی دیتاسنتر
- فراهم کردن امکان استفاده از GPUهای قدرتمندتر در فضای محدود
البته باید توجه داشت که سیستم خنککننده به‌تنهایی باعث افزایش توان محاسباتی GPU نمی‌شود. وظیفه اصلی آن فراهم کردن شرایط حرارتی مناسب برای عملکرد پایدار سخت‌افزار است.
چرا سرورهای هوش مصنوعی گرمای زیادی تولید میکنند؟
میزان گرمای تولیدشده در سرور به توان الکتریکی مصرفی قطعات و شرایط کاری آنها بستگی دارد. بخش عمده انرژی الکتریکی مصرف‌شده توسط تجهیزات IT در نهایت به گرما تبدیل میشود؛ بنابراین، سروری که برق بیشتری مصرف میکند معمولاً به ظرفیت دفع حرارت بالاتری نیز نیاز دارد.
چند عامل مهم در افزایش گرمای سرور هوش مصنوعی نقش دارند.
۱. استفاده از GPUهای قدرتمند
GPU مهم‌ترین منبع تولید گرما در بسیاری از سرورهای AI است. این پردازنده‌ها برای اجرای تعداد زیادی عملیات موازی طراحی شده‌اند و در زمان آموزش مدل‌ها یا اجرای پردازش‌های سنگین می‌توانند توان قابل‌توجهی مصرف کنند.
هرچه تعداد GPUهای نصب‌شده در سرور بیشتر باشد، معمولاً گرمای کل سیستم نیز افزایش پیدا میکند. به همین دلیل، سرورهای مجهز به چند GPU به طراحی دقیق‌تر جریان هوا یا استفاده از راهکارهای خنکسازی مایع نیاز دارند.
۲. فعالیت پردازنده مرکزی
CPU وظایفی مانند آماده‌سازی داده‌ها، مدیریت سیستم‌عامل، اجرای برنامه‌ها و هماهنگی بین اجزای سرور را انجام میدهد. پردازنده‌های قدرتمند در زمان فعالیت سنگین گرمای زیادی تولید میکنند و باید خنکسازی متناسب با توان مصرفی خود داشته باشند.
۳. تراکم سخت‌افزار در شاسی
در بسیاری از سرورهای رک‌مونت، فضای محدودی برای نصب CPU، GPU، رم و تجهیزات ذخیره‌سازی وجود دارد. هرچه تراکم قطعات بیشتر باشد، طراحی مسیر ورود و خروج هوا اهمیت بیشتری پیدا میکند.
اگر هوای گرم در داخل شاسی باقی بماند یا هوای خنک به تمام قطعات نرسد، ممکن است نقاط داغ ایجاد شوند. در چنین شرایطی حتی استفاده از فن‌های پرقدرت نیز لزوماً مشکل را به‌طور کامل برطرف نمی‌کند.
۴. پردازش‌های طولانی‌مدت
سرور هوش مصنوعی ممکن است برخلاف برخی سرورهای سازمانی، برای مدت طولانی تحت بار پردازشی بالا فعالیت کند. در این شرایط، سیستم خنککننده باید بتواند گرما را به‌صورت پیوسته دفع کند و صرفاً برای دوره‌های کوتاه فعالیت سنگین طراحی نشده باشد.
انواع سیستم خنککننده برای سرورهای هوش مصنوعی
سیستم‌های خنککننده سرورهای هوش مصنوعی را می‌توان بر اساس روش انتقال و دفع گرما به چند گروه اصلی تقسیم کرد:
۱. خنکسازی هوایی (Air Cooling)
۲. خنکسازی مایع مستقیم روی تراشه (Direct-to-Chip Liquid Cooling)
۳. خنکسازی غوطه‌وری (Immersion Cooling)
۴. راهکارهای ترکیبی شامل خنکسازی هوایی و مایع
هیچ‌کدام از این روش‌ها برای تمام سرورها بهترین انتخاب نیستند. انتخاب مناسب به توان حرارتی تجهیزات، تراکم GPU، طراحی رک، زیرساخت دیتاسنتر، بودجه و الزامات نگهداری بستگی دارد.
۱. خنکسازی هوایی؛ روش رایج در بسیاری از سرورها
خنکسازی هوایی یکی از رایج‌ترین روش‌های کنترل دمای سرورهاست. در این روش، فن‌ها هوا را از مسیرهای مشخصی عبور می‌دهند تا گرمای تولیدشده توسط قطعات به هوای خروجی منتقل شود.
در بسیاری از سرورهای رک‌مونت، هوای خنک از قسمت جلویی وارد شاسی میشود، از میان قطعات عبور میکند و از قسمت پشتی خارج میشود. طراحی هیتسینکها، فن‌ها، کانال‌های هدایت هوا و فاصله قطعات در عملکرد این سیستم تأثیر دارد.
مزایای خنکسازی هوایی
- ساختار نسبتاً ساده
- هزینه اولیه معمولاً کمتر از راهکارهای مایع پیشرفته
- نگهداری آشناتر برای تیم‌های IT
- عدم نیاز به مدار مایع در داخل سرور
- سازگاری با طیف گسترده‌ای از سرورهای استاندارد
- امکان استفاده در بسیاری از دیتاسنترهای موجود
محدودیتهای خنکسازی هوایی
با افزایش توان مصرفی GPUها و تراکم سخت‌افزار، دفع گرما با هوا دشوارتر میشود. برای انتقال مقدار زیادی گرما، باید حجم مناسبی از هوا با سرعت و فشار کافی از میان قطعات عبور کند.
این موضوع می‌تواند به استفاده از فن‌های پرقدرت‌تر، مصرف برق بیشتر و طراحی دقیق‌تر مسیر جریان هوا نیاز داشته باشد. همچنین در رک‌های پرتراکم، ظرفیت سرمایش محیط باید با مجموع بار حرارتی تجهیزات هماهنگ باشد.
چه زمانی خنکسازی هوایی مناسب است؟
خنکسازی هوایی می‌تواند برای سرورهای AI با تراکم حرارتی قابل‌کنترل، تعداد محدودتری از GPUها یا زیرساخت‌هایی که از ابتدا برای جریان هوای مناسب طراحی شده‌اند، گزینه مناسبی باشد.
با این حال، پیش از انتخاب این روش باید حداکثر توان حرارتی پشتیبانی‌شده توسط شاسی و محدودیتهای سازنده سرور بررسی شود.
۲. خنکسازی مایع مستقیم روی تراشه چیست؟
خنکسازی مستقیم روی تراشه یا Direct-to-Chip Liquid Cooling یکی از راهکارهای مهم برای کنترل گرمای سرورهای پرقدرت است.
در این روش، مایع خنککننده از طریق صفحات انتقال حرارت یا Cold Plateها به قسمت‌هایی مانند CPU و GPU نزدیک میشود. گرمای قطعه به این صفحات منتقل شده و سپس مایع، گرما را به سمت تجهیزات دفع حرارت هدایت میکند.
این روش می‌تواند برای سرورهای هوش مصنوعی با تراکم بالای GPU بسیار کاربردی باشد؛ زیرا انتقال گرما با مایع در بسیاری از طراحیها امکان مدیریت بار حرارتی بالایی را فراهم میکند.
اجزای اصلی خنکسازی مستقیم روی تراشه
Cold Plate: صفحه‌ای که در تماس حرارتی با قطعه قرار می‌گیرد و گرما را به مایع منتقل میکند.
پمپ: مایع را در مدار به گردش درمی‌آورد.
لوله‌ها و اتصالات: مسیر حرکت مایع میان اجزای سیستم را فراهم میکنند.
توزیع‌کننده مایع: جریان را میان شاخه‌های مختلف مدار تقسیم میکند.
واحد توزیع مایع یا CDU: در بسیاری از طراحیها، جریان مایع و انتقال حرارت میان مدار تجهیزات IT و مدار دفع حرارت را مدیریت میکند.
مبدل حرارتی: گرما را از مدار مربوط به سرور به مدار ثانویه یا سامانه دفع حرارت منتقل میکند.
جزئیات این اجزا به طراحی سیستم وابسته است و همه راهکارها ساختار یکسانی ندارند.
مزایای خنکسازی مستقیم روی تراشه
- انتقال مؤثر گرما از قطعات پرمصرف
- امکان پشتیبانی از تراکم حرارتی بالا
- کاهش وابستگی به جریان هوای بسیار زیاد برای دفع تمام گرمای CPU و GPU
- امکان طراحی رک‌های قدرتمندتر در فضای محدود
- فراهم کردن شرایط مناسب برای استفاده از شتاب‌دهنده‌های پرقدرت
محدودیتهای خنکسازی مایع مستقیم
این سیستم‌ها معمولاً به طراحی و تجهیزات تخصصی‌تری نیاز دارند. هزینه اولیه، پیچیدگی نصب، کنترل نشتی، سازگاری اتصالات، کیفیت مایع و برنامه نگهداری باید از ابتدا بررسی شوند.
همچنین خنکسازی مستقیم روی تراشه الزاماً به این معنی نیست که تمام گرمای سرور از طریق مایع دفع میشود. بخشی از گرمای رم، ذخیره‌سازی، مدار تغذیه و سایر قطعات ممکن است همچنان به جریان هوا نیاز داشته باشد.
۳. خنکسازی غوطه‌وری چیست؟
در خنکسازی غوطه‌وری یا Immersion Cooling، تجهیزات الکترونیکی درون مایعی قرار می‌گیرند که برای استفاده در این نوع سامانه طراحی شده است.
این مایع باید از نظر خواص الکتریکی، حرارتی و سازگاری با مواد مورد استفاده در تجهیزات مناسب باشد. گرمای تولیدشده توسط قطعات به مایع منتقل میشود و سپس از طریق گردش مایع یا تجهیزات تبادل حرارت از سیستم خارج میشود.
خنکسازی غوطه‌وری بیشتر در پروژه‌هایی مطرح میشود که به تراکم حرارتی بالا یا معماری‌های تخصصی نیاز دارند.
مزایای خنکسازی غوطه‌وری
- امکان انتقال حرارت از بخش‌های مختلف تجهیزات
- کاهش وابستگی به جریان هوای داخل شاسی در طراحی‌های مناسب
- امکان طراحی زیرساخت‌های پرتراکم
- قابلیت استفاده در برخی محیط‌های محاسباتی تخصصی
محدودیتهای خنکسازی غوطه‌وری
پیاده‌سازی این روش ممکن است نیازمند مخزن اختصاصی، مایع سازگار، تجهیزات گردش و تبادل حرارت و رویه‌های نگهداری متفاوت باشد.
همچنین سازگاری سرور، کابل‌ها، قطعات، درزگیرها و گارانتی سازنده باید بررسی شود. هر سرور یا قطعه‌ای را نمی‌توان بدون ارزیابی فنی داخل مایع غوطه‌ور کرد.
برای بسیاری از سازمان‌ها، خنکسازی غوطه‌وری به دلیل نیازهای زیرساختی و عملیاتی، انتخاب پیش‌فرض محسوب نمی‌شود.
مقایسه خنکسازی هوایی، مستقیم روی تراشه و غوطه‌وری
| معیار | خنکسازی هوایی | مستقیم روی تراشه | غوطه‌وری |
|---|---|---|---|
| روش انتقال گرما | جریان هوا و هیت‌سینک | مایع و Cold Plate | انتقال گرما به مایع اطراف تجهیزات |
| پیچیدگی زیرساخت | کم تا متوسط | متوسط تا زیاد | زیاد |
| هزینه اولیه | معمولاً کمتر | وابسته به طراحی و ظرفیت | وابسته به مخزن و تجهیزات |
| نگهداری | آشناتر برای تیم‌های IT | نیازمند نگهداری مدار مایع | نیازمند رویه‌های تخصصی |
| کاربرد متداول | سرورهای استاندارد و بارهای قابل‌کنترل | سرورهای پرتراکم و GPUهای پرقدرت | زیرساخت‌های تخصصی و پرتراکم |
| نیاز به جریان هوا | زیادتر برای دفع گرمای IT | معمولاً برای بخش‌هایی از سرور همچنان لازم است | بسته به طراحی، برای دفع گرمای تجهیزات کمتر است |
این جدول مقایسه‌ای کلی است. عملکرد واقعی هر روش به طراحی سازنده، توان حرارتی، دمای محیط، دمای مایع، تجهیزات دفع حرارت و نحوه اجرای زیرساخت وابسته است.
۴. چگونه سیستم خنککننده مناسب را انتخاب کنیم؟
انتخاب سیستم خنککننده نباید تنها بر اساس قیمت یا نوع GPU انجام شود. ابتدا باید نیاز حرارتی سرور و شرایط محیطی مشخص شوند.
مرحله اول: توان مصرفی تجهیزات را محاسبه کنید
توان مصرفی GPU، CPU، حافظه و سایر قطعات، مبنای برآورد اولیه بار حرارتی است. برای محاسبه دقیق‌تر باید از مشخصات سازنده و داده‌های مصرف واقعی استفاده کرد.
توان اسمی هر قطعه به‌تنهایی کافی نیست؛ زیرا مصرف واقعی به نوع workload و تنظیمات سیستم بستگی دارد.
مرحله دوم: تراکم حرارتی رک را بررسی کنید
تعداد سرورها و توان هرکدام باید در کنار هم بررسی شوند. ممکن است یک سرور به‌تنهایی به‌خوبی خنک شود، اما نصب چند سرور مشابه در یک رک باعث شود ظرفیت سرمایش موجود کافی نباشد.
بنابراین باید توان کل رک، مسیر ورود و خروج هوا و ظرفیت دفع حرارت دیتاسنتر محاسبه شود.
مرحله سوم: محدودیتهای سازنده را بررسی کنید
هر شاسی سرور و هر GPU محدودیتهای خاصی برای دما، جریان هوا و خنکسازی دارد. در برخی مدل‌ها، استفاده از فن‌ها و هیت‌سینک‌های اختصاصی ضروری است و در برخی دیگر، پشتیبانی از خنکسازی مایع به طراحی مشخصی وابسته است.
پیش از انتخاب سیستم سرمایش، باید مشخصات رسمی سرور و تجهیزات بررسی شوند.
مرحله چهارم: هزینه کل مالکیت را محاسبه کنید
هزینه اولیه سیستم خنککننده تنها بخش کوچکی از تصمیم‌گیری است. برق مصرفی فن‌ها و تجهیزات سرمایش، هزینه نگهداری، زیرساخت مورد نیاز و قابلیت توسعه آینده نیز باید محاسبه شوند.
مرحله پنجم: برنامه نگهداری مشخصی داشته باشید
هر سیستم خنککننده به نگهداری نیاز دارد. در خنکسازی هوایی باید فن‌ها، فیلترها و مسیر هوا بررسی شوند. در سیستم‌های مایع نیز کیفیت سیال، اتصالات، پمپها، حسگرها و تجهیزات تبادل حرارت اهمیت دارند.
۵. نقش جریان هوا در خنکسازی سرور هوش مصنوعی
حتی در سرورهایی که از خنکسازی مایع مستقیم استفاده میکنند، جریان هوا همچنان می‌تواند برای خنک کردن بخش‌هایی از سخت‌افزار ضروری باشد.
در سرورهای هوایی، مسیر جریان هوا باید طوری طراحی شود که هوای خنک به قطعات اصلی برسد و هوای گرم بدون بازگشت به تجهیزات از شاسی خارج شود.
چند اقدام کاربردی برای بهبود جریان هوا عبارت‌اند از:
- جلوگیری از مسدود شدن ورودی و خروجی هوا
- استفاده از تجهیزات متناسب با طراحی شاسی
- بررسی جهت نصب سرورها در رک
- جلوگیری از گردش مجدد هوای گرم
- مدیریت کابل‌ها برای کاهش اختلال در جریان هوا
- بررسی عملکرد فن‌ها و حسگرهای دما
- استفاده از پنل‌های مسدودکننده در فضاهای خالی رک، در صورت نیاز طراحی
در دیتاسنترهای بزرگ، طراحی راهرو سرد و راهرو گرم نیز می‌تواند به جداسازی مسیر هوای ورودی و خروجی کمک کند.
۶. دمای محیط دیتاسنتر چه تأثیری بر خنکسازی دارد؟
دمای هوای ورودی به سرور بر توانایی سیستم برای دفع گرما تأثیر می‌گذارد. اگر هوای ورودی بیش از حد گرم باشد، اختلاف دمای میان قطعه و هوای خنک کاهش پیدا میکند و انتقال گرما ممکن است دشوارتر شود.
به همین دلیل باید دمای محیط در محدوده توصیه‌شده سازنده سرور نگه داشته شود.
با این حال، پایین آوردن دمای دیتاسنتر تا حد ممکن همیشه اقتصادی‌ترین تصمیم نیست. سرمایش بیش از اندازه می‌تواند انرژی بیشتری مصرف کند، بدون آنکه مزیت متناسبی برای تجهیزات ایجاد کند.
روش بهتر این است که دمای ورودی، رطوبت و شرایط محیطی مطابق توصیه سازنده کنترل شوند و تنظیمات سرمایش بر اساس داده‌های واقعی انجام شوند.
۷. چگونه مصرف برق سیستم خنککننده را کاهش دهیم؟
سیستم سرمایش خود نیز برق مصرف میکند. فن‌های سرور، تجهیزات تهویه، پمپ‌های مایع و سایر اجزای سامانه سرمایش باید در محاسبات انرژی لحاظ شوند.
برای کاهش مصرف انرژی می‌توان اقدامات زیر را اجرا کرد:
مدیریت سرعت فن‌ها: در صورت پشتیبانی سخت‌افزار، سرعت فن‌ها باید بر اساس دمای واقعی و سیاست‌های مجاز سازنده تنظیم شود.
بهینه‌سازی جریان هوا: جلوگیری از اختلاط هوای گرم و سرد، کارایی سامانه سرمایش را افزایش میدهد.
نگهداری دوره‌ای: فیلترهای مسدود، فن‌های معیوب و مبدل‌های حرارتی کثیف می‌توانند کارایی سیستم را کاهش دهند.
مانیتورینگ دما: ثبت دمای ورودی و خروجی سرورها به شناسایی نقاط داغ کمک میکند.
انتخاب تجهیزات مناسب: سیستم سرمایش باید متناسب با بار حرارتی واقعی انتخاب شود تا ظرفیت بیش از حد یا ناکافی ایجاد نشود.
بررسی کل مصرف انرژی: هنگام مقایسه دو روش سرمایش، باید برق مصرفی تمام تجهیزات مربوط به آنها محاسبه شود؛ نه فقط مصرف فن یا پمپ.
۸. مانیتورینگ دما و جلوگیری از داغ شدن سرور
مانیتورینگ یکی از مهم‌ترین ابزارهای مدیریت خنکسازی است. بدون ثبت داده‌های دما، تشخیص مشکلاتی مانند خرابی فن، افزایش مقاومت مسیر هوا، اختلال پمپ یا ایجاد نقطه داغ دشوارتر خواهد بود.
برای مانیتورینگ بهتر است این اطلاعات ثبت شوند:
- دمای GPU و CPU
- دمای هوای ورودی و خروجی سرور
- سرعت فن‌ها
- وضعیت حسگرهای حرارتی
- میزان استفاده از GPU
- توان مصرفی تجهیزات
- وضعیت پمپها و مدار مایع، در صورت وجود
- هشدارهای مربوط به دما و جریان مایع
در سرورهای مجهز به GPUهای NVIDIA، ابزارهای مدیریتی سازگار می‌توانند بخشی از اطلاعات مربوط به دما و وضعیت سخت‌افزار را ارائه دهند. امکانات دقیق به مدل GPU، درایور و پلتفرم مدیریت بستگی دارد.
با تعیین آستانه‌های هشدار مناسب می‌توان پیش از ایجاد اختلال جدی، اقدامات اصلاحی انجام داد.
۹. ارتباط خنکسازی با عملکرد GPU
وقتی دمای GPU به محدوده‌های تعیین‌شده نزدیک میشود، سازوکارهای مدیریت حرارتی ممکن است فرکانس و توان کاری را تنظیم کنند تا قطعه در محدوده مجاز فعالیت کند.
این فرایند که در برخی شرایط با عنوان Thermal Throttling شناخته میشود، می‌تواند عملکرد پردازشی را کاهش دهد.
البته کاهش فرکانس همیشه ناشی از دمای بالا نیست؛ محدودیت توان، تنظیمات مدیریتی و سیاست‌های کاری نیز ممکن است بر فرکانس اثر بگذارند.
برای تشخیص مشکل حرارتی باید دما، توان مصرفی، فرکانس و وضعیت استفاده از GPU هم‌زمان بررسی شوند.
اگر سیستم در زمان پردازش سنگین دچار افت عملکرد شود، بررسی مسیر جریان هوا، وضعیت فن‌ها، دمای محیط و محدودیتهای توان می‌تواند به یافتن علت کمک کند.
۱۰. آیا خنکسازی مایع همیشه بهتر از خنکسازی هوایی است؟
خیر. انتخاب میان این دو روش باید بر اساس نیاز پروژه انجام شود.
خنکسازی هوایی در بسیاری از سرورهای استاندارد، از نظر سادگی، نگهداری و هزینه اولیه مزیت دارد. در مقابل، خنکسازی مایع مستقیم می‌تواند برای سرورهای پرتراکم و تجهیزاتی که بار حرارتی بالایی دارند، گزینه مناسبی باشد.
با این حال، خنکسازی مایع به معنی حذف کامل نیاز به تهویه نیست. بخشی از گرمای سرور و تجهیزات جانبی ممکن است همچنان به جریان هوا نیاز داشته باشد.
برای مقایسه دقیق باید موارد زیر بررسی شوند:
- توان حرارتی کل سرور
- تراکم GPU در هر رک
- محدودیت فضای فیزیکی
- ظرفیت سرمایش موجود
- هزینه اولیه تجهیزات
- مصرف انرژی سامانه سرمایش
- نیازهای نگهداری
- الزامات سازنده و گارانتی
- امکان توسعه در آینده
بهترین انتخاب، روشی است که در شرایط واقعی پروژه بتواند گرما را به‌طور مطمئن دفع کند و هزینه کل مالکیت قابل‌قبولی داشته باشد.
۱۱. هنگام خرید سرور هوش مصنوعی به سیستم خنککننده توجه کنید
هنگام خرید سرور هوش مصنوعی، نباید فقط به تعداد GPUها، ظرفیت حافظه گرافیکی یا توان پردازشی توجه کرد. سیستم خنککننده باید با پیکربندی سخت‌افزار هماهنگ باشد.
برای مثال، یک شاسی ممکن است از نظر فیزیکی فضای نصب چند GPU را داشته باشد، اما از نظر توان پاور یا ظرفیت دفع حرارت برای تمام پیکربندی‌ها مناسب نباشد.
پیش از خرید، موارد زیر را بررسی کنید:
۱. حداکثر توان حرارتی پشتیبانی‌شده توسط شاسی
۲. تعداد و مدل GPUهای قابل پشتیبانی
۳. نوع خنکسازی مورد نیاز GPU و CPU
۴. ظرفیت فن‌ها و مسیر جریان هوا
۵. نیاز به خنکسازی مایع و تجهیزات جانبی
۶. ظرفیت برق و پاور سرور
۷. محدودیتهای نصب در رک
۸. شرایط محیطی محل نصب
۹. هزینه نگهداری و مصرف انرژی
۱۰. قابلیت ارتقا و توسعه آینده
این بررسی‌ها به جلوگیری از انتخاب سروری کمک میکنند که با وجود قدرت پردازشی مناسب، در محیط واقعی با محدودیتهای حرارتی روبه‌رو شود.
۱۲. هزینه سیستم خنککننده سرور هوش مصنوعی چگونه تعیین میشود؟
هزینه خنکسازی به نوع سیستم، توان حرارتی، تعداد سرورها، تراکم رک و شرایط دیتاسنتر بستگی دارد.
در خنکسازی هوایی، هزینه فن‌ها، هیتسینکها، تهویه محیط و تجهیزات مدیریت جریان هوا اهمیت دارد. در سیستم‌های مایع، علاوه بر تجهیزات انتقال حرارت، باید هزینه پمپ، لوله‌کشی، اتصالات، مبدل حرارتی، واحد توزیع مایع و نگهداری نیز بررسی شود.
برای ارزیابی اقتصادی، هزینه اولیه نباید تنها معیار تصمیم‌گیری باشد. برق مصرفی تجهیزات، هزینه نگهداری، نیاز به توسعه زیرساخت و میزان دسترس‌پذیری نیز اهمیت دارند.
گاهی سیستم ارزان‌تر برای یک سرور کوچک مناسب است، اما برای رک پرتراکم، استفاده از راهکار پیشرفته‌تر در بلندمدت توجیه‌پذیرتر خواهد بود.
۱۳. اشتباهات رایج در خنکسازی سرورهای هوش مصنوعی
چند اشتباه متداول می‌توانند باعث افزایش دما یا هزینه عملیاتی شوند.
انتخاب فن بدون بررسی طراحی شاسی: ظرفیت و فشار هوای فن باید با محدودیتهای شاسی و مسیر هوا هماهنگ باشد.
نادیده گرفتن مصرف کل رک: خنکسازی یک سرور به‌تنهایی تضمین نمی‌کند که چند سرور مشابه در یک رک نیز به‌خوبی خنک شوند.
انتخاب سیستم مایع بدون بررسی سازگاری: سرور، GPU، اتصالات و قطعات باید برای راهکار انتخاب‌شده مناسب باشند.
تنظیم نامناسب دمای محیط: سرمایش بیش از حد یا دمای بالاتر از محدوده مجاز می‌تواند هزینه یا ریسک عملیاتی را افزایش دهد.
بی‌توجهی به نگهداری: خرابی فن، انسداد مسیر هوا و مشکلات مدار مایع ممکن است به‌تدریج عملکرد سیستم را مختل کنند.
تمرکز صرف بر هزینه اولیه: هزینه برق، تعمیر و نگهداری و توسعه آینده نیز باید در تصمیم‌گیری لحاظ شوند.
در پایان
سیستم خنککننده مناسب برای سرورهای هوش مصنوعی باید بتواند گرمای تولیدشده توسط GPU، CPU و سایر قطعات را به‌صورت پایدار دفع کند و شرایط حرارتی ایمن و مناسبی برای فعالیت مداوم سرور فراهم آورد.
خنکسازی هوایی برای بسیاری از سرورهای استاندارد و پیکربندی‌های قابل‌کنترل مناسب است. در مقابل، خنکسازی مایع مستقیم روی تراشه می‌تواند برای سرورهای پرتراکم و GPUهای پرقدرت گزینه مناسبی باشد. خنکسازی غوطه‌وری نیز در برخی زیرساخت‌های تخصصی کاربرد دارد، اما به طراحی و نگهداری متفاوتی نیازمند است.
برای انتخاب بهترین روش باید توان حرارتی، تراکم رک، طراحی شاسی، هزینه اولیه، مصرف برق، شرایط محیطی و الزامات سازنده را هم‌زمان بررسی کرد.
در نهایت، سیستم خنککننده مناسب تنها سیستمی نیست که دمای قطعات را کاهش دهد؛ بلکه باید عملکرد پایدار، مصرف انرژی منطقی، قابلیت اطمینان و هزینه نگهداری قابل‌قبولی را در طول عمر سرور فراهم کند.
خرید تجهیزات سرور هوش مصنوعی از شرکت پویه پرداز افق
انتخاب سرور و تجهیزات مناسب برای پروژه‌های هوش مصنوعی به بررسی هم‌زمان GPU، CPU، رم سرور، ذخیره‌سازی، پاور و سیستم خنککننده نیاز دارد. شرکت پویه پرداز افق به‌عنوان عرضه‌کننده تجهیزات سرور و شبکه، می‌تواند در بررسی مشخصات فنی و انتخاب تجهیزات متناسب با نیاز پروژه به شما کمک کند.
اگر قصد خرید سرور هوش مصنوعی یا ارتقای زیرساخت فعلی خود را دارید، بهتر است پیش از انتخاب تجهیزات، نوع workload، تعداد GPUها، توان مصرفی و ظرفیت خنکسازی محل نصب را مشخص کنید.
سوالات متداول
۱. بهترین سیستم خنککننده برای سرور هوش مصنوعی چیست؟
بهترین سیستم به توان حرارتی، تعداد GPUها، طراحی شاسی و شرایط دیتاسنتر بستگی دارد. خنکسازی هوایی برای بسیاری از سرورها مناسب است؛ اما در زیرساخت‌های پرتراکم، خنکسازی مایع مستقیم نیز می‌تواند انتخاب مناسبی باشد.
۲. تفاوت خنکسازی هوایی و مایع در سرور چیست؟
در خنکسازی هوایی، جریان هوا گرما را از طریق هیتسینکها و مسیرهای داخلی خارج میکند. در خنکسازی مایع، گرما به مایع منتقل میشود و از طریق مدار و تجهیزات تبادل حرارت دفع میشود.
۳. آیا همه سرورهای هوش مصنوعی به خنکسازی مایع نیاز دارند؟
خیر. نیاز به خنکسازی مایع به توان حرارتی، تعداد GPUها، طراحی سرور و ظرفیت خنکسازی محیط بستگی دارد. بسیاری از سرورها همچنان با خنکسازی هوایی مناسب فعالیت میکنند.
۴. آیا خنکسازی مایع مصرف برق را کاهش میدهد؟
ممکن است در برخی طراحیها مصرف انرژی کل زیرساخت را بهبود دهد، اما نتیجه به پمپها، تجهیزات دفع حرارت، شرایط محیطی و نوع سامانه بستگی دارد. برای مقایسه باید مصرف کل سیستم اندازهگیری شود.
۵. چه عواملی باعث داغ شدن GPU سرور می‌شوند؟
بار پردازشی سنگین، جریان هوای نامناسب، دمای بالای محیط، خرابی فن، انسداد مسیر هوا و محدودیتهای طراحی خنککننده از عوامل احتمالی هستند.
۶. هنگام خرید سرور هوش مصنوعی چگونه سیستم خنککننده را انتخاب کنیم؟
باید توان حرارتی GPU و CPU، محدودیتهای شاسی، تعداد سرورها در رک، ظرفیت سرمایش دیتاسنتر، سازگاری تجهیزات و هزینه نگهداری بررسی شوند.
اشتراک گذاری:
مقالات مرتبط
دیدگاهتان را بنویسید