NVIDIA DGX postaja A100 je zasnovana s prefinjenim sistemom za spremljanje temperature, da se zagotovi optimalna zmogljivost in zanesljivost. Tukaj je opisano, kako ravna z nadzorom temperature za svoje komponente:
1. Vmesnik za spremljanje temperature: DGX Station A100 ima spletni uporabniški vmesnik prek svojega krmilnika za upravljanje baze (BMC). Ta vmesnik uporabnikom omogoča spremljanje temperatur kritičnih komponent, kot so GPU, pomnilnik DIMMS, CPU, prikazna kartica in matična plošča. Ponuja odčitke v realnem času in zgodovinske grafe za te komponente, kar omogoča skrbnikom, da skozi čas spremljajo temperaturne trende [1].
2. Spremljanje komponent: Sistem je opremljen za spremljanje ne le temperatur, temveč tudi drugih vitalnih parametrov, kot so hitrosti ventilatorja, poraba energije in sistemske napetosti. To celovito spremljanje pomaga pri prepoznavanju potencialnih vprašanj, preden se prerastejo v velike težave [1].
3. Upravljanje na daljavo: BMC podpira tudi zmogljivosti daljinskega upravljanja, vključno z serijskim LAN (Sol) za dostop do serijske konzole sistema. To skrbnikom omogoča upravljanje nastavitev BIOS -a ali nameščenega operacijskega sistema na daljavo. Poleg tega BMC ponuja funkcionalnost oddaljene tipkovnice, video, miške (KVM), kar uporabnikom omogoča ogled in upravljanje sistema z daljave [1].
4. Hladilni sistem: Postaja DGX A100 uporablja hladilni sistem na osnovi hladilnika, ki je zasnovan tako, da je brez vzdrževanja. Ta sistem vključuje hladne plošče, nameščene na GPU in CPU, obtočno črpalko, vodovod in izmenjevalec toplote. Hladilni sistem je okoljsko varen in netoksičen, kar odpravlja potrebo po preverjanju ali polnjenju na ravni vode [1].
5. Območje delovne temperature: Sistem deluje v nominalnem temperaturnem območju od 5 ° C do 30 ° C, čeprav je območje delovanja v okolju nekoliko širše pri 10 ° C do 35 ° C [4] [7]. Ta obseg zagotavlja, da lahko sistem učinkovito deluje v tipičnih pisarniških okoljih, ne da bi potreboval specializirano hladilno infrastrukturo.
Na splošno je sistem za spremljanje in hlajenje temperature DGX A100 zasnovan tako, da zagotavlja zanesljivo delovanje v pisarniških okoljih, zaradi česar je primeren za ekipe podatkovnih znanosti in delovne skupine AI brez potrebe po obsežni IT infrastrukturi.
Navedbe:
[1] https://www.robustthpc.com/wp-content/uploads/2021/11/nvidia-dgx-station-a100-system-architecture-white-paper_publish.pdf
[2] https://docs.nvidia.com/dgx/dgxa100-user-guide/introduction-to-dgxa100.html
[3] https://massedCopute.com/faq-answers/?question=how+To+nitor+ in+Manage+Temperature+in+nvidia+a100+gpu%3f
[4] https://docs.nvidia.com/dgx/dgx-station-a100-user-guide/hardware-specifications-station-a100.html
[5] https://www.advanced-integracija.ae/wp-content/uploads/2022/08/dgx_station_a100_datasheet_ai-webonly.pdf
[6] https://www.redbooks.ibm.com/redbooks/pdfs/sg248538.pdf
[7] https://nanoporetech.com/document/nvidia-dgx-station-a100-installation-and-ause
[8] https://www.compecta.com/dgxStation-a100.html
[9] https://www.reddit.com/r/watercooling/comments/1it9rzf/nvidia_dgx_station_a100s_overheating/