Files
ai-soulmate-local-deployment/docs/POC-HARDWARE-BASELINE.md
T

9.2 KiB
Raw Blame History

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:

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。