docs: record server hardware assessment

This commit is contained in:
wlx committed 2026-08-05 18:50:11 +08:00
1 parent ee97e1b918
commit 637f07d1ba
3 files changed
+131 -41

No files matched your search

+125 -37
View File
@@ -1,51 +1,139 @@
# POC 样机硬件基线
# AI SoulMate POC 样机硬件评估报告
基线日期:2026-08-05。数据来自现场命令截图;首次联网部署前应运行 `scripts/collect-host-facts.sh` 生成机器可读基线并复核。
评估时间:2026-08-05 18:42:58 +08:00
## 已确认配置
评估对象:HP ZCentral 4R Workstation
| 项目 | 当前配置 |
| --- | --- |
| 设备 | HP ZCentral 4R Workstation |
| 操作系统 | Ubuntu 22.04.2 LTS |
| 内核/架构 | Linux 5.19.0-32-generic,x86_64 |
| CPU | Intel Xeon W-2225,4 核 8 线程,单路,最高约 4.6GHz |
| NUMA | 1 个节点 |
| 内存 | 32GiB ECC DDR4,单条,标称 3200 MT/s,配置 2933 MT/s |
| Swap | 2GiB |
| 磁盘 | 单块约 1TB Samsung NVMe,根分区 ext4 |
| 可用空间 | 根分区约 882GiB 可用(截图时) |
| 网络 | `enp1s0` 与 `eno1` 均为 DOWN,尚未形成网络基线 |
适用阶段:本地部署适配、功能跑通和容量边界测试
为避免泄露现场资产信息,本仓库不记录主机序列号、UUID、磁盘序列号、MAC 地址和真实 IP。
## 1. 结论
## 适用范围
本机可以作为 AI SoulMate 第一阶段的单机 POC 样机,承载平台前后端、AI SoulMate 管理端、PostgreSQL、Redis、MinIO 和统一网关。Tripo 当前继续使用外部 API,因此当前阶段不依赖本机完成三维大模型推理。
这台机器适合:
评估结论为 **POC 条件通过、生产高可用不通过**:
- 单机容器化适配与功能回归;
- PostgreSQL、Redis、对象存储和业务服务共机时的容量边界测试;
- 识别 CPU、内存、磁盘和外部 API 的首个瓶颈;
- 为后续不同硬件档位建立对照基线。
- 32GiB 内存和约 881GiB 可用 NVMe 空间足以开始部署适配;
- NVMe 当前没有介质错误、错误日志或寿命告警,采集时温度为 31°C;
- 4 核 8 线程 CPU 是共机压测时最可能先出现的计算瓶颈;
- 单条内存和单块系统/数据盘会限制带宽、隔离性与可靠性;
- 没有可用的 NVIDIA/CUDA 环境,不应把本机作为后续本地 AI 推理能力的样板;
- 当前有待安装的系统与安全更新,正式部署和压测前必须完成更新并按需重启。
它不代表生产高可用能力:只有一块系统/数据盘,任一磁盘故障都会影响全部服务;4 核 CPU 也会让数据库、对象存储与应用争抢资源。
这份结论只适用于本次记录的硬件、系统、服务版本和部署方式,不能直接换算成客户并发量或生产 SLA。
## 部署前动作
## 2. 采集范围与脱敏
1. 接通有线网络,确定固定 IP、DNS、NTP、默认路由和 Tripo 所需出站策略。
2. 更新 Ubuntu 22.04 安全补丁,记录 BIOS、内核与 Docker 版本。
3. 确认 NVMe SMART/健康状态;生产方案必须设计独立数据盘、备份目标或冗余。
4. 将 Swap 调整视为防 OOM 保护而非可用内存,压测报告必须记录 swap in/out。
5. 若条件允许,增加同规格 ECC 内存至 64GB,再做一组对照测试;不要把升级后的结论套用到 32GB 配置。
6. 压测期间关闭无关桌面应用,固定电源/性能策略,并记录所有参数变化。
数据来自服务器本地只读命令,采集文件保留在服务器的 `~/ai-soulmate-hardware-facts.txt`。本报告只保存部署所需的脱敏结论,不记录主机序列号、UUID、磁盘序列号、MAC 地址、真实 IP、账号或密钥。
## 当前风险
以下项目本次没有完整采集,因此不做推断:
| 风险 | 对测试的影响 | 处理方式 |
- AMD 显卡的准确商品型号、显存容量和驱动状态;
- 活动网卡的实际协商速率、双工模式和稳定吞吐;
- CPU、主板和 GPU 的温度、风扇与功耗;
- 长时间负载下的降频、磁盘延迟和网络丢包。
## 3. 硬件与系统清单
| 项目 | 实测结果 | 评估 |
| --- | --- | --- |
| 单块 NVMe | 数据库、对象存储、日志相互争抢 I/O | 监测磁盘延迟和利用率;容量报告明确单盘条件 |
| 单条 32GB 内存 | 内存容量和带宽可能先成为瓶颈 | 记录内存/Swap;增加 64GB 对照组 |
| 4 核 8 线程 | 共机服务容易发生 CPU 争用 | 设置容器资源上限并逐级加压 |
| 网卡未启用 | 无法验证局域网和 Tripo 端到端链路 | 部署前先完成网络基线与出站测试 |
| 无冗余 | 不适合据此宣称生产可用性 | 将 POC 容量与生产可靠性方案分开 |
| 运行形态 | 物理机,未检测到虚拟化 | 适合建立裸机性能基线 |
| 整机 | HP ZCentral 4R Workstation | 工作站形态,非冗余服务器 |
| 主板 | HP 873E,版本 MVB | 已识别 |
| BIOS | HP P63 v01.35,发布日期 2025-06-05 | 已识别;是否需要升级应以 HP 对应机型公告为准 |
| 操作系统 | Ubuntu 22.04.5 LTS,x86_64 | 符合当前部署目标 |
| 内核 | 5.19.0-32-generic | 压测前先应用系统更新,再记录最终内核 |
| CPU | Intel Xeon W-2225,4 核 8 线程,1.2–4.6GHz,8.3MiB L3 | 功能部署可用,共机并发能力有限 |
| 内存 | 32GB Hynix ECC DDR4 RDIMM,单条双 Rank;标称 3200 MT/s,运行 2933 MT/s | 容量可起步,单条会限制内存通道带宽 |
| 内存插槽 | DMI 显示 4 个插槽,当前 1 个已安装 | 扩容前需按 HP 插槽规则核对兼容性 |
| Swap | 2GiB,采集时未使用 | 只作为 OOM 缓冲,不计入可用业务内存 |
| 系统盘 | 单块 Samsung MZVL21T0HCLR-00BH7 NVMe,953.9GiB | 性能适合 POC,但无磁盘冗余 |
| 根文件系统 | ext4,938GiB;已用 9.3GiB,可用约 881GiB,使用率 2% | 当前空间充足 |
| 显卡 | AMD/ATI PCI 设备 `1002:7424`;未检测到可用的 `nvidia-smi` | 不影响外部 Tripo API;不具备已验证的 CUDA 能力 |
| 网卡 | Intel I219-LM、Aquantia AQC107;`enp1s0` 已连接,`eno1` 未连接 | SSH 链路已通,实际链路速率待补采 |
`lsblk` 中 Snap 的只读 loop 设备显示 100% 使用属于正常现象,不代表系统盘空间耗尽。
## 4. 当前健康状态
### 4.1 NVMe
| SMART/NVMe 指标 | 实测值 | 判断 |
| --- | ---: | --- |
| Critical Warning | 0 | 未见关键告警 |
| Available Spare | 100% | 正常 |
| Percentage Used | 0% | 未见寿命消耗告警 |
| Media Errors | 0 | 未见介质错误 |
| Error Log Entries | 0 | 未见错误日志 |
| 温度 | 31°C | 采集时正常 |
| Power On Hours | 2 小时 | 设备记录值较低,后续压测报告应继续记录 |
| Unsafe Shutdowns | 14 次 | 需要关注断电或强制关机行为 |
存储当前没有直接故障信号,但 14 次非正常关机与极短通电时间不匹配,建议确认机器是否曾被直接断电。后续每次压测前后记录该计数;如果持续增加,应优先处理供电、关机流程或 UPS,而不是继续做数据库写入压测。
### 4.2 内存与温度
- DMI 报告支持单比特 ECC,当前模块为 72-bit 总宽度、64-bit 数据宽度;本次未发现 ECC 报错信息,但没有进行内存压力测试。
- 采集时内存使用约 1.4GiB,可用约 29GiB,Swap 未使用,代表采集时系统处于轻载状态。
- `sensors` 不可用,因此只有 NVMe 温度,不能据此判断整机散热。持续压测前必须补齐 CPU/主板/GPU 温度监控。
### 4.3 系统维护状态
SSH 登录提示有 13 个可应用更新,其中 11 个为标准安全更新。当前内核构建时间较早;安装更新后若存在 `/var/run/reboot-required`,应安排重启,再重新记录内核、网卡、NVMe 和可用内存基线。
## 5. 对 AI SoulMate 部署的适配性
| 组件/场景 | 当前适配判断 | 说明 |
| --- | --- | --- |
| 平台前端与管理端 | 适合 | 静态资源生产构建后的资源开销较低 |
| 平台后端 API | 适合 POC | 应设置进程数和 CPU 上限,避免与数据库互相挤占 |
| PostgreSQL | 适合 POC | 单盘条件下需同时观察查询 CPU、锁等待和磁盘延迟 |
| Redis | 适合 | 初期 512MiB 级限制可作为起点,必须监控 eviction 与持久化延迟 |
| MinIO | 适合功能验证 | 可验证 S3 兼容接入,不提供单盘数据耐久性承诺 |
| Nginx/统一网关 | 需要部署 | 网关本身开销不大,但负责统一入口、TLS、路由和上传限制 |
| Tripo API | 适合联网验证 | 外部限流、排队和网络延迟必须与本地服务器容量分开报告 |
| 本地三维模型推理 | 不适合作为当前目标 | 没有已验证的 NVIDIA/CUDA 环境,CPU 也不适合承担此类推理 |
| 农场客户端 | 不部署在本机 | 后续应放到靠近打印机的独立工作站,通过受控 API 与中心服务器通信 |
现有基础设施 POC Compose 的资源上限为 PostgreSQL 2 CPU/2GiB、Redis 1 CPU/512MiB、MinIO 2 CPU/1GiB、MinIO 初始化任务 0.5 CPU/256MiB。这些上限是防止单服务失控的起始保护值,不是已经验证的性能调优结果;所有服务同时繁忙时仍会争用本机 4 个物理核心。
## 6. 主要风险与处理优先级
| 优先级 | 风险 | 影响 | 建议动作 |
| --- | --- | --- | --- |
| P0 | 单块 NVMe,无 RAID/镜像 | 系统、数据库、对象和日志同时丢失 | POC 数据也要备份到另一台物理设备;生产方案使用独立数据盘、冗余或外部备份 |
| P0 | 14 次非正常关机 | 可能造成数据库恢复、文件系统或对象数据风险 | 规范关机,确认供电;正式写入压测前评估 UPS |
| P0 | 待安装安全更新 | 存在已知安全与稳定性风险 | 完成 `apt update/upgrade`,按提示重启并复采基线 |
| P1 | 4 核 8 线程共机运行 | API、数据库、MinIO 会争抢 CPU | 设置容器上限,逐级加压,保留至少 20%–25% 稳态余量 |
| P1 | 单条 32GB 内存 | 通道带宽有限,应用与文件缓存共享容量 | 先保留 32GB 基线;出现内存瓶颈后再用兼容 ECC RDIMM 做 64GB 对照组 |
| P1 | 网速与温度未采集 | 文件吞吐和持续性能结论不完整 | 补装 `ethtool`、`lm-sensors`,记录链路和满载温度 |
| P1 | 单机无服务冗余 | 任一主机故障导致整体中断 | 只用于 POC;客户生产方案另行设计备份、恢复与高可用 |
| P2 | GPU 型号/显存未确认 | 不能评估未来本地模型能力 | 后续单独采集 AMD 驱动和显存;本阶段按 Tripo 外部 API 设计 |
## 7. 部署与压测前的验收动作
1. 完成 Ubuntu 安全更新,必要时重启;重启后确认 SSH、时间同步、磁盘和活动网卡正常。
2. 安装并验证 Docker Engine、Buildx 和 Compose plugin,再记录版本。
3. 补采 `enp1s0` 的协商速率/双工模式,以及 CPU、主板和 GPU 温度。
4. 给 PostgreSQL、Redis、MinIO 和应用容器设置资源上限与日志轮换;不要把 Swap 当作业务容量。
5. 配置脱离本机的数据库与对象存储备份目标,并先完成一次恢复演练。
6. 先跑本地 S01–S04 场景,再跑包含 Tripo 的 S05;本地耗时和外部等待必须分开统计。
7. 从低并发逐级加压,记录 CPU、Load、可用内存、Swap、磁盘 `await`/利用率、网络吞吐、容器 OOM、数据库等待和业务 p95/p99。
8. 只有在同一软硬件版本、数据集和测试方法下重复至少 3 次,才能形成该配置档位的容量结论。
建议补采命令:
```bash
sudo apt install -y ethtool lm-sensors
sudo sensors-detect --auto
sudo ethtool enp1s0
sensors
lspci -nnk -s 23:00.0
sudo lshw -C display
```
## 8. 最终判定
- **可以开始**:中心服务器基础设施与业务功能适配。
- **满足前置条件后开始**:正式压测;先更新系统、补齐监控、确认备份与规范关机。
- **不能据此承诺**:生产高可用、客户 SLA、固定并发量或本地 AI 推理能力。
- **后续扩展方向**:以 32GB/单盘结果为基线,按实际瓶颈分别测试 64GB 内存、独立数据盘/备份盘及独立 GPU 工作站,禁止同时改变多个主要变量。