如何解決具有伺服器 PSU 的 GPU 挖礦設備的電源問題？

電源相容性驗證

1. 確認伺服器PSU型號與製造商支援的GPU挖礦配置清單相符。標記為 PSU0001 至 PSU0003 的 Dell PowerEdge PSU 表示已知韌體等級與持續 GPU 負載週期不相容。

2. 根據所有已安裝 GPU 的總功耗交叉檢查 PSU 的 12V 導軌電流額定值。單一NVIDIA A100在全哈希計算下功耗高達250W；四個這樣的卡片需要 12V 電源軌上至少 100A 的電流，不包括主機板、風扇和儲存負載。

3. 驗證 PSU 的輸出連接器是否包含額定連續輸出功率為 75W 的本機 PCIe 8 針或 6+2 針電纜。從 SATA 或 Molex 轉換為 PCIe 的適配器會在長時間挖礦過程中引入電壓下降和熱不穩定。

4. 檢查 PSU 標籤上的輸入電壓範圍認證。標示「100–240V AC 自動調整範圍」的裝置可承受許多採礦設施運作的工業區常見的電網波動；固定輸入 PSU 可能會在停電期間意外關閉。

熱電負載管理

1. 使用校準的熱探頭測量鑽孔機底盤內的環境溫度。伺服器 PSU 在環境溫度高於 40°C 時會降低輸出；超過 45°C 的持續運作會觸發內部限制，表現為間歇性 GPU 重設或核心電源事件 ID 41 日誌。

2. 審核 PSU 的 iDRAC 或 IMM 介面中的風扇曲線。如果即使內部熱敏電阻報告 >70°C，風扇速度仍保持靜態低於 30%，則必須套用韌體版本 ESE122T 或更高版本來恢復動態熱響應。

3. 將標準 ATX 型機殼風扇替換為直接安裝在 PSU 進氣口上方的高靜壓 40 毫米或 60 毫米裝置。 Lenovo ThinkSystem PSU 依賴定向氣流路徑；通用機箱通風無法滿足最低 CFM 要求。

4. 在 GPU 連接器 5 公分範圍內的所有 12V PCIe 電源線上安裝鐵氧體磁芯扼流圈。開關 PSU 產生的電磁雜訊會幹擾 GPU VRM 調節，導致欠壓故障在 dmesg 輸出中記錄為「GPU 從 PCIe 匯流排掉落」。

韌體和配置更新

1. 透過 ipmitool 提取目前 PSU 韌體版本： ipmitool -I lanplus -H [BMC_IP] -U root -P calvin raw 0x30 0x09 。 AFE128B 之前的版本在同時 GPU 通電序列期間會出現時序錯誤。

2. 如果安裝了 GPU 適配器，請停用 UEFI BIOS 中的 Misc Option3。將此設定保留為預設值會強制採用激進的功率上限邏輯，與 ASIC 最佳化的挖礦工作負載不相容。

3. 僅在計畫的維護時段內套用 PSU 韌體更新。電源更新可確保系統停機，如果在快閃記憶體中途中斷，可能會導致裝置變磚－不存在回滾選項。

4. 更新後，在系統完全斷電並拔下插頭的情況下重新安裝所有 PCIe 電源線。鍍金觸點上的微氧化會導致間歇性電阻峰值，GPU 韌體將其誤解為 PSU 故障。

GPU 特定的電源路徑診斷

1. 運行nvidia-smi -q -d POWER以捕獲實時 GPU 功耗。值在 10 秒間隔內波動超過 ±8W 表示 PSU 調節不穩定，而不是驅動器問題。

2. 在 Linux 主機上監控cat /sys/class/power_supply/psu*/online 。值「0」表示 PSU 通訊遺失，通常是由多個 GPU 電源控制器和 PSU 的 BMC 之間的 I²C 匯流排爭用引起的。

3. 使用已知穩定的 ATX PSU 單獨測試每個 GPU。如果不穩定現象消失，伺服器 PSU 的瞬態回應時間將無法滿足 NVIDIA PCIe 規範要求，即從 20% 負載階躍變化恢復 <50μs。

4. 在將故障歸因於硬體之前，檢查「nouveau」模組衝突。此開源驅動程式會劫持 PCIe 電源管理暫存器，從而阻止在深度睡眠轉換期間與伺服器級 PSU 進行正確的握手。

常見問題解答

Q：我可以使用 Dell R740 的雙冗餘 PSU 為八個 RTX 4090 供電嗎？不會。戴爾 R740 PSU 結合共享 12V 導軌設計僅提供 1600W 功率。八個 RTX 4090 至少需要 3200W 的功率，並具有隔離的 12V 電源軌，以防止跨卡電壓崩潰。

Q：為什麼我的設備僅在 DAG 紀元轉換期間崩潰？ DAG 檔案重新載入會使 GPU 記憶體頻寬需求增加 400%。沒有快速瞬態響應電容器的伺服器電源無法在這種微秒級突波下保持穩定的 12V，從而觸發硬體級 OVP 關閉。

Q：透過 IPMI 停用 PSU 風扇控制以降低噪音是否安全？不安全。伺服器 PSU 缺乏被動冷卻功能。停用風扇控制可能會導致 80% 負載下 90 秒內發生熱失控，永久損壞 MOSFET 並觸發不可逆的韌體鎖定。

Q：Lenovo ThinkSystem PSU 支援 PCIe Gen5 GPU 電源排序嗎？僅附帶韌體 ESE122T 或更高版本的型號支援 Gen5 功率斜坡時序。早期版本與 RTX 40 系列卡的握手失敗，導致儘管存在實體 x16 插槽，但仍出現「PCIe 連結寬度減少至 x1」錯誤。