Wie behebe ich Probleme mit der Stromversorgung meines GPU-Mining-Rigs mit Server-Netzteil?

Überprüfung der Netzteilkompatibilität

1. Stellen Sie sicher, dass das Server-PSU-Modell mit der unterstützten Liste des Herstellers für GPU-Mining-Konfigurationen übereinstimmt. Dell PowerEdge-Netzteile mit der Bezeichnung PSU0001 bis PSU0003 weisen auf bekannte Inkompatibilitäten auf Firmware-Ebene mit anhaltenden GPU-Lastzyklen hin.

2. Vergleichen Sie die 12-V-Schienenstromstärke des Netzteils mit der Gesamtaufnahme aller installierten GPUs. Eine einzelne NVIDIA A100 verbraucht bei vollständiger Hash-Berechnung bis zu 250 W; Vier solcher Karten benötigen mindestens 100 A auf der 12-V-Schiene, ohne Motherboard, Lüfter und Speicherlasten.

3. Stellen Sie sicher, dass die Ausgangsanschlüsse des Netzteils native PCIe-8-Pin- oder 6+2-Pin-Kabel enthalten, die für eine kontinuierliche 75-W-Lieferung ausgelegt sind. Adapter, die von SATA oder Molex auf PCIe umstellen, führen bei längeren Mining-Sitzungen zu Spannungsabfällen und thermischer Instabilität.

4. Überprüfen Sie das Etikett des Netzteils auf die Zertifizierung des Eingangsspannungsbereichs. Geräte mit der Aufschrift „100–240 V AC mit automatischer Bereichswahl“ tolerieren Netzschwankungen, die in Industriegebieten üblich sind, in denen viele Bergbauanlagen betrieben werden. Netzteile mit festem Eingang können bei Stromausfällen unerwartet abschalten.

Thermisches und elektrisches Lastmanagement

1. Messen Sie die Umgebungstemperatur im Inneren des Rig-Chassis mit einem kalibrierten Wärmefühler. Server-Netzteile drosseln die Leistung über 40 °C Umgebungstemperatur; Dauerbetrieb über 45 °C löst eine interne Drosselung aus, die sich in zeitweiligen GPU-Resets oder Kernel-Power-Ereignis-ID 41-Protokollen äußert.

2. Überwachen Sie die Lüfterkurven in der iDRAC- oder IMM-Schnittstelle des Netzteils. Wenn die Lüftergeschwindigkeit statisch unter 30 % bleibt, selbst wenn interne Thermistoren >70 °C melden, muss die Firmware-Version ESE122T oder höher angewendet werden, um die dynamische thermische Reaktion wiederherzustellen.

3. Ersetzen Sie standardmäßige Gehäuselüfter im ATX-Stil durch 40-mm- oder 60-mm-Einheiten mit hohem statischen Druck, die direkt über den Lufteinlässen des Netzteils montiert sind. Lenovo ThinkSystem-Netzteile basieren auf gerichteten Luftstrompfaden. Die generische Gehäusebelüftung erfüllt nicht die CFM-Mindestanforderungen.

4. Installieren Sie Ferritkerndrosseln an allen 12-V-PCIe-Stromkabeln innerhalb von 5 cm vom GPU-Anschluss. Elektromagnetisches Rauschen durch das Schalten von Netzteilen stört die GPU-VRM-Regulierung und führt zu Unterspannungsfehlern, die in der dmesg-Ausgabe als „GPU vom PCIe-Bus abgefallen“ protokolliert werden.

Firmware- und Konfigurationsaktualisierungen

1. Extrahieren Sie die aktuelle Netzteil-Firmware-Version über ipmitool: ipmitool -I lanplus -H [BMC_IP] -U root -P calvin raw 0x30 0x09 . Versionen vor AFE128B weisen Zeitfehler bei gleichzeitigen GPU-Einschaltsequenzen auf.

2. Deaktivieren Sie Misc Option3 im UEFI-BIOS, wenn GPU-Adapter installiert sind. Wenn Sie diese Einstellung auf der Standardeinstellung belassen, wird eine aggressive Energiebegrenzungslogik erzwungen, die mit ASIC-optimierten Mining-Workloads nicht kompatibel ist.

3. Wenden Sie Netzteil-Firmware-Updates ausschließlich während geplanter Wartungsfenster an. Aktualisierungen der Stromversorgung garantieren Ausfallzeiten des Systems und können das Gerät blockieren, wenn sie während des Flash-Vorgangs unterbrochen werden – es gibt keine Rollback-Option.

4. Schließen Sie nach der Aktualisierung alle PCIe-Stromkabel wieder an, während das System vollständig ausgeschaltet und vom Stromnetz getrennt ist. Mikrooxidation an vergoldeten Kontakten führt zu zeitweiligen Widerstandsspitzen, die von der GPU-Firmware fälschlicherweise als Netzteilfehler interpretiert werden.

GPU-spezifische Leistungspfaddiagnose

1. Führen Sie nvidia-smi -q -d POWER aus, um den Stromverbrauch der GPU in Echtzeit zu erfassen. Werte, die in 10-Sekunden-Intervallen um mehr als ±8 W schwanken, weisen auf eine instabile Netzteilregelung hin – nicht auf Treiberprobleme.

2. Überwachen Sie cat /sys/class/power_supply/psu*/online auf Linux-Hosts. Ein Wert von „0“ weist auf einen Kommunikationsverlust des Netzteils hin, der häufig durch I²C-Buskonflikte zwischen mehreren GPU-Leistungscontrollern und dem BMC des Netzteils verursacht wird.

3. Testen Sie jede GPU einzeln mit einem bekanntermaßen stabilen ATX-Netzteil. Wenn die Instabilität verschwindet, erfüllt die vorübergehende Reaktionszeit des Server-Netzteils nicht die Anforderung der NVIDIA PCIe-Spezifikation von <50 μs Erholung nach 20 % Lastschrittänderungen.

4. Suchen Sie nach „Nouveau“-Modulkonflikten, bevor Sie Fehler auf die Hardware zurückführen. Der Open-Source-Treiber kapert PCIe-Energieverwaltungsregister und verhindert so den ordnungsgemäßen Handshake mit Server-Netzteilen während Tiefschlafübergängen.

Häufig gestellte Fragen

F: Kann ich zwei redundante Netzteile eines Dell R740 verwenden, um acht RTX 4090 mit Strom zu versorgen? Nein. Dell R740-Netzteile liefern in Kombination mit dem gemeinsamen 12-V-Schienendesign nur 1600 W. Acht RTX 4090 benötigen mindestens 3200 W mit isolierten 12-V-Schienen, um einen Spannungszusammenbruch zwischen den Karten zu verhindern.

F: Warum stürzt mein Rig nur bei DAG-Epochenübergängen ab? Das Neuladen der DAG-Datei erhöht den GPU-Speicherbandbreitenbedarf um 400 %. Server-Netzteile ohne schnell reagierende Kondensatoren können bei diesem Spannungsanstieg im Mikrosekundenbereich keine stabilen 12 V aufrechterhalten, was eine OVP-Abschaltung auf Hardwareebene auslöst.

F: Ist es sicher, die Netzteil-Lüftersteuerung über IPMI zu deaktivieren, um Geräusche zu reduzieren? Unsicher. Server-Netzteile verfügen nicht über die Fähigkeit zur passiven Kühlung. Durch das Deaktivieren der Lüftersteuerung besteht die Gefahr eines thermischen Durchgehens innerhalb von 90 Sekunden bei 80 % Last, wodurch die MOSFETs dauerhaft beschädigt werden und eine irreversible Firmware-Sperre ausgelöst wird.

F: Unterstützen Lenovo ThinkSystem-Netzteile die PCIe Gen5-GPU-Leistungssequenzierung? Nur Modelle, die mit der Firmware ESE122T oder höher ausgeliefert werden, unterstützen das Gen5-Power-Ramp-Timing. Frühere Revisionen scheitern beim Handshake mit Karten der RTX 40-Serie, was zu der Fehlermeldung „PCIe-Verbindungsbreite auf x1 reduziert“ führt, obwohl ein physischer x16-Steckplatz vorhanden ist.