北京2023年6月5日 /美通社/ -- 近日,浪潮信息正式發布兩項服務器新技術,為其全新上市的G7算力平臺提供更優的性能、可靠性和易維護性支撐。服務器NVH(Noise噪聲、Viberation振動、Harshness聲振粗糙度)技術讓服務器計算滿負載時的磁盤讀寫性能翻倍,并且防止數據中心各類高頻噪音對磁盤產生不可逆的損失;智能聽音診斷技術讓服務器風扇的故障預警準確率達到95%,將這一會引發服務器故障和數據中心事故的安全隱患降到最低。
算力的供給需要構建算力平臺,需要從系統設計出發,解決架構設計、核心部件、高速互聯、散熱設計等一系列問題。G7算力平臺在信號、電源、結構、散熱、可靠性、安全等多個方面進行了20多項卓越設計,可以為用戶提供更卓越的算力產品。其中,浪潮信息首創服務器的NVH技術在幫助數據中心科學降噪,保證硬盤卓越的讀寫效率。在浪潮信息為數據中心科學降噪的同時,智能聽音診斷的技術能夠利用風扇噪音,精準預警不同位置風扇的各類故障,為數據中心服務器“治未病”,保障數據中心安全。
浪潮信息服務器NVH技術:用10納米精度保證磁盤讀寫性能
在服務器系統設計中,存在著計算性能、功耗、散熱、風扇噪聲、存儲容量、磁盤密度、讀寫性能之間的微妙平衡。提高計算性能會增加功耗,增加功耗需要加強散熱,加強散熱需要提高風扇轉速,一些服務器的風扇轉速已經提升到了34000轉/分鐘。風扇轉速的提升又會限制硬盤存儲密度的提升,因為機箱內風扇產生的聲壓會造成硬盤內部精密部件共振,影響硬盤讀寫性能。數據中心內的其它噪音,例如,滅火器啟動時噴管發出的高頻噪音,也可能引起磁盤精密部件共振,海外曾經有數據中心因此發生上百塊硬盤報廢的案例。
想要系統解決硬盤受到振動噪音帶來的性能損失問題,關鍵是要打開硬盤在不同噪聲激勵下的性能損失的“黑盒”。浪潮信息工程師為此開發了一套軟硬件結合的測量系統,包括硬盤敏感噪聲實驗和機箱振動噪音實驗。
浪潮信息工程師首先優化噪聲振動的源頭——風扇,通過CFD仿真改進葉片形態,讓風扇在同樣轉速下散熱風量提升15%,同時減弱湍流效應,抑制葉輪邊緣氣流分離,以免產生硬盤敏感的高頻噪音。機箱內,設計40多種歌院式的消音架構,精準消除機箱內特定的高頻噪音。此外,還改進了硬盤伺服系統,提高其系統內的動力學適應性。多管齊下的方案最終讓系統與硬盤達到和諧適配,硬盤磁頭的振動幅度可控制在單條磁軌道中心10納米以內,保證硬盤讀寫性能基準,并且為未來24TB-30TB的大容量硬盤的動力學適配設計打下堅實基礎。
圖為新設計的風扇:基于NVH技術,浪潮信息從葉片弦長、葉片枚數、轉速匹配、葉片特殊構型設計、機殼結構、鐵芯結構、磁氣設計、磁環材料等方面對G7服務器的風扇進行了優化,分別應用了不均等葉片扇形狀和間隙、葉尖小翼、分體式小翼、彎曲靜葉等特殊創新設計,實現性能、噪音、效率方面的突破。
智能聽音診斷消除服務器及數據中心隱患:聽音10秒,風扇故障預警準確率達到95%
風扇是服務器和數據中心最容易故障的部件之一。雖然風扇僅有1%的可能發生故障,但其一旦發生故障,將影響系統性能和可靠性,且風扇故障的維修時間長,對數據中心業務運行影響很大。而傳統的服務器管理系統不能預測風扇故障,僅能監控風扇的轉速、工作電流、環境溫度等狀態。
浪潮信息首次創造出基于人工智能的風扇聽音診斷技術,利用機箱內噪音的特征信息,建立了基于聲學探測的服務器風扇故障智能預警系統。該系統融合了長達200個小時的服務器故障音訓練集,可對聲紋信息抽取40維MFCC(Mel頻率倒譜系數)特征,基于多級深度學習神經網絡,能夠精準辨別噪音背后潛在的服務器風扇故障。
圖為風扇智能聽音診斷原理:數據中心有上萬臺服務器,一般的聲音分析方法中,嘈雜的聲紋特征很容易被混淆,難以精準識別。浪潮信息工程師在業界首次創造出,基于人工智能的風扇聽音診斷技術,利用人工智能技術,從風扇噪音中提取特征信息,預測風扇故障。
有了這套系統,服務器可通過內部的麥克風陣列、音頻處理芯片,采集系統的多維噪音,并進行聲學信號處理,然后基于主板BMC芯片中的風扇故障智能診斷模型進行分析、診斷,僅需10秒鐘“聽音”,就可準確預警風扇故障位置、故障類型,精準度達95%,提前從根源上徹底解決服務器風險問題,保證數據中心運行安全。
服務器NVH技術和智能聽音診斷技術的推出,充分體現了浪潮信息對服務器千錘百煉的匠心設計。服務器設計是一項系統工程,G7算力平臺采用開放、多元的架構設計,支持最廣泛的通用處理器和加速芯片,整個系統需要經過30多個開發流程,使用150多種加工制造工藝,對280多種關鍵過程控制點的質量進行嚴格把控,以保證這一平臺產品能具備高性能表現與保質量的品質。浪潮信息始終秉持著“千錘百煉,極致匠心”的設計理念,在產品技術上不斷創新引領,為各行各業用戶的數字化、智能化轉型,提供更強性能、更高品質、更加智能的算力。