16
0节目简介
拿到一台新服务器，怎么一步步完成压测验收？每步用什么命令、看什么指标、怎么判断通过？照着清单做就行。新版还把 POHC、自动盘/手动盘、压测后固化工序一起纳入。
本期要点
📌 四大执行原则：先验配置再压性能、先单项基线再综合压测、保留环境证据、不把瞬时峰值当结论
🧪 Step 0 U 盘验证 + POHC 准入：先排工具链、再过开测门槛
✅ Step 1 配置核验（7 项）：GPU 数量型号、显存、PCIe 速率、NVLink 状态、驱动 CUDA 版本、CPU 内存、网络配置
🔥 Step 2 单项压力测试：GPU 算力基线（gpu_burn 300 秒）、显存带宽、持续压力（30 分钟到 72 小时）、温度功耗监控、ECC 错误检查
🔗 Step 3 通信测试：卡间互联带宽（NCCL all_reduce_perf，A100 8 卡期望 >150 GB/s）、多机通信
🏢 Step 4 业务场景测试：大模型训练 Benchmark、推理吞吐测试（vLLM benchmark）、显存压力
⏱️ Step 5 长稳测试（72 小时）：验收标准——0 计算错误、0 Double Bit ECC、温度 <85°C、每卡算力偏差 <5%
🧾 Step 6 压测后固化工序：FRU / SN / 密码 / 截图 / 归档
📝 压测结果记录模板
推荐收听场景 正在做服务器验收时对照操作
