Files

140 lines
9.2 KiB
Markdown
Raw Permalink Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# AI SoulMate POC 样机硬件评估报告
评估时间:2026-08-05 18:42:58 +08:00
评估对象:HP ZCentral 4R Workstation
适用阶段:本地部署适配、功能跑通和容量边界测试
## 1. 结论
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。
评估结论为 **POC 条件通过、生产高可用不通过**:
- 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。
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。
## 2. 采集范围与脱敏
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。
以下项目本次没有完整采集,因此不做推断:
- 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 |
| --- | --- | --- |
| 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。