شرکت فناوری اطلاعات ابری آکو
تامین تجهیزات و راهکار های IT
تامین تجهیزات و راهکار های IT
HPE ProLiant Compute DL380a Gen12 یک سرور رکمونت 4U و دوپردازندهای است که برخلاف DL380 Gen12 عمومی، بهطور مشخص برای Accelerated Computing، استنتاج هوش مصنوعی و بارهای کاری GPU-محور طراحی شده است. معماری این پلتفرم از پردازندههای Intel Xeon 6، حافظه DDR5، رابط PCIe Gen5 و در کانفیگهای پشتیبانیشده تا 10 شتابدهنده Double-Wide بهره میبرد.
این تمرکز روی GPU Density مهمترین نکته در انتخاب DL380a Gen12 است: اگر هدف، مجازیسازی عمومی، دیتابیس یا Consolidation بدون نیاز جدی به GPU باشد، مدلهایی مانند DL380 Gen12 میتوانند انتخاب متعادلتری باشند؛ اما برای AI Inference و زیرساختهای شتابیافته، DL380a Gen12 ظرفیت توسعه بسیار متفاوتی ارائه میدهد.
HPE ProLiant Compute DL380a Gen12 را باید یک سرور شتابیافته برای سازمانهایی دانست که پردازش GPU دیگر یک قابلیت جانبی برای آنها نیست، بلکه بخش اصلی معماری محاسباتی محسوب میشود. HPE این مدل را با شاسی 4U، دو سوکت پردازنده و فضای گسترده برای شتابدهندهها طراحی کرده تا بتوان تعداد بالایی GPU را در یک Node محاسباتی Enterprise تجمیع کرد.
در این خانواده، حرف a بیانگر تمرکز بر Accelerated Computing است. بنابراین DL380a Gen12 صرفاً نسخه جدیدتر یک سرور رکمونت عمومی نیست؛ معماری آن برای ایجاد تعادل میان CPU، GPU، حافظه، I/O، توان و خنکسازی در Workloadهای شتابیافته شکل گرفته است.
یکی از اصلاحات مهم نسبت به برداشت رایج از این محصول، فرمفاکتور آن است. DL380a Gen12 یک سرور 4U است، نه 2U. فضای بیشتر شاسی امکان استقرار تعداد بالاتری از GPUهای Double-Wide، سیستم خنکسازی متناسب و زیرساخت توان موردنیاز شتابدهندههای پرمصرف را فراهم میکند.
DL380a Gen12 از دو پردازنده خانواده Intel Xeon 6 پشتیبانی میکند. این پلتفرم برای کانفیگ Dual Processor طراحی شده و انتخاب دقیق CPU باید با توجه به تعداد GPU، نیاز CPU-side workload، ظرفیت حافظه، پهنای باند I/O و محدودیتهای حرارتی انجام شود.
برای شناخت بهتر نقش نسلهای جدید Xeon در سرورهای سازمانی، مطالعه مقاله تأثیر پردازندههای نسل جدید Intel Xeon بر عملکرد سرورها میتواند در مرحله Sizing پردازنده مفید باشد.
مزیت اصلی این سرور صرفاً افزایش قدرت CPU نیست. DL380a Gen12 زمانی ارزش خود را نشان میدهد که یک سازمان به تراکم بالای GPU، مسیرهای پرسرعت PCIe و معماری متوازن برای انتقال داده میان CPU، حافظه، شبکه و شتابدهندهها نیاز داشته باشد.
نسخه Management Controller در همه SKUهای DL380a Gen12 یکسان نیست. برخی SKUها مبتنی بر iLO 6 و برخی مبتنی بر iLO 7 هستند؛ ضمن اینکه SKU مبتنی بر iLO 6 مشخصشده توسط HPE قابل ارتقا به iLO 7 نیست. بنابراین هنگام استعلام، نسخه دقیق شاسی و SKU باید بررسی شود.
مشخصات این سرور به کانفیگ انتخابی وابسته است. جدول زیر مشخصات کلیدی پلتفرم را برای تصمیمگیری اولیه نشان میدهد؛ انتخاب نهایی CPU، DIMM، GPU، Storage، Networking و Power Supply باید براساس QuickSpecs همان کانفیگ انجام شود.
| بخش | مشخصات | نکته تصمیمگیری |
|---|---|---|
| فرمفاکتور | 4U Rack | برای GPU Density بالا طراحی شده و فضای رک بیشتری از DL380 Gen12 استاندارد اشغال میکند. |
| پردازنده | 2× Intel Xeon 6 | پلتفرم Dual Processor است و ترکیب دو مدل متفاوت CPU پشتیبانی نمیشود. |
| حافظه | HPE DDR5 Smart Memory RDIMM | 32 اسلات DIMM؛ 16 اسلات برای هر پردازنده. |
| حداکثر حافظه | تا 8TB در کانفیگهای پشتیبانیشده | برای نمونه، 8TB با 32×256GB در 2DPC و سرعت 5200 MT/s؛ سرعت و ظرفیت واقعی به CPU و Population وابسته است. |
| حافظه با سرعت 6400 MT/s | تا 4TB با 16×256GB در کانفیگ 1DPC پشتیبانیشده | حداکثر سرعت حافظه به مدل CPU، نوع DIMM و نحوه نصب DIMMها بستگی دارد. |
| GPU | تا 10 GPU Double-Wide در کانفیگهای پشتیبانیشده | تعداد و مدل GPU روی Cooling، PSU، حافظه سیستم و سایر Optionها اثر مستقیم دارد. |
| Expansion | PCIe Gen5 | تا 6 اسلات x16 PCIe Gen5 در کانفیگهای مربوطه، با محدودیتهایی وابسته به GPU و Storage. |
| Networking | OCP 3.0 و آداپتورهای Stand-up | شبکه Embedded ثابت ندارد و NIC براساس نیاز پروژه انتخاب میشود. |
| ذخیرهسازی داخلی | NVMe SFF / EDSFF بسته به Drive Cage | پیکربندی Storage با نوع Drive Cage و سایر Optionهای شاسی مرتبط است. |
| حداکثر ظرفیت NVMe اعلامشده | تا 122.88TB با 8×15.36TB SFF یا تا 245.76TB با 16×15.36TB E3.S | ظرفیت واقعی قابل سفارش باید با Drive Support و QuickSpecs جاری تطبیق داده شود. |
| Power Supply | گزینههای M-CRPS از جمله 2400W و 3200W | GPUهای پرمصرف میتوانند انتخاب PSU و تعداد منابع تغذیه موردنیاز را تغییر دهند. |
| مدیریت | HPE iLO 6 یا iLO 7 بسته به SKU | نسخه iLO باید پیش از خرید از روی SKU نهایی کنترل شود. |
| TPM | Embedded TPM | بخشی از قابلیتهای امنیتی پلتفرم و زنجیره اعتماد سختافزاری است. |
وجود 32 اسلات DIMM امکان دستیابی به ظرفیت بالای حافظه را فراهم میکند، اما در یک سرور AI باید نسبت میان System Memory و GPU Memory نیز در نظر گرفته شود. راهنمای HPE برای نصب GPU حداقل حافظه سیستم معادل 1.5 برابر مجموع حافظه GPUها را مطرح میکند و نسبت 2 برابر را بهعنوان توصیه برای پیکربندی مناسبتر بیان میکند.
به همین دلیل انتخاب DIMM نباید مستقل از GPU انجام شود. در پروژهای با چند شتابدهنده دارای حافظه زیاد، کمبود System RAM میتواند تعادل کل Node را برهم بزند. برای درک بهتر نقش حافظه سروری نیز میتوانید مقاله ECC Memory در سرورهای Enterprise را مطالعه کنید.
برخلاف متنهای عمومی که DL380a Gen12 را صرفاً سروری با ترکیب آزاد HDD، SSD و NVMe معرفی میکنند، معماری این مدل بهشدت به Drive Cage انتخابی وابسته است. تمرکز اصلی گزینههای داخلی آن روی ذخیرهسازی NVMe پرسرعت است و انتخاب Drive Cage میتواند با دسترسی به برخی اسلاتهای PCIe یا سایر Optionهای شاسی ارتباط داشته باشد.
PCIe Gen5 برای یک سرور Accelerator-Optimized اهمیت بیشتری از یک ویژگی تبلیغاتی دارد. GPU، NIC و تجهیزات پرسرعت برای حفظ Throughput به مسیر I/O کافی نیاز دارند. DL380a Gen12 با توزیع منابع PCIe میان دو پردازنده طراحی شده تا معماری I/O متوازنتری برای شتابدهندهها ایجاد کند.
برای بررسی فنیتر این رابط میتوانید مقاله نقش PCIe Gen5 در سرورهای نسل جدید را ببینید.
دلیل اصلی انتخاب DL380a Gen12، ظرفیت آن برای ساخت یک Node محاسباتی GPU-محور است. HPE برای این پلتفرم کانفیگهای مختلفی از GPUهای Single-Wide و Double-Wide تعریف کرده و در پیکربندیهای Double-Wide، مقادیر 2، 4، 8 و 10 GPU از سناریوهای اصلی پشتیبانیشده هستند.
فهرست GPUهای قابل پشتیبانی با نسخه QuickSpecs و چرخه عرضه Optionها تغییر میکند. از گزینههای ثبتشده برای این پلتفرم میتوان به خانوادههایی مانند NVIDIA H200 NVL، NVIDIA L40S، NVIDIA L20، NVIDIA L4 و RTX PRO 6000 Blackwell Server Edition در کانفیگهای سازگار اشاره کرد.
برای بررسی گزینههای شتابدهنده موجود در سایت آکو میتوانید به محصولات NVIDIA Data Center GPU مراجعه کنید.
در برخی کانفیگهای GPU، Bridgeهای سازگار NVIDIA امکان اتصال گروهی از شتابدهندهها را فراهم میکنند. پشتیبانی از Bridge به مدل GPU وابسته است؛ برای مثال Bridgeهای مربوط به H200 NVL باید با همان GPU و قواعد تعریفشده توسط HPE استفاده شوند. بنابراین وجود چند GPU بهمعنای پشتیبانی خودکار از هر نوع توپولوژی NVLink نیست.
تراکم GPU بالا، توان حرارتی قابلتوجهی ایجاد میکند. همه کانفیگهای GPU به مجموعه کامل Fan Moduleهای داخلی نیاز دارند و در برخی کانفیگهای پرتوان، فنهای با ظرفیت بالاتر یا Front Fan Option نیز الزامی میشوند. برای نمونه، کانفیگ 10 GPU Double-Wide و برخی پیکربندیهای پرتراکم RTX PRO 6000 به تجهیزات خنککننده اضافی نیاز دارند.
مدل و تعداد GPU مستقیماً بر حافظه سیستم، تعداد و توان Power Supply، Fan Kit، کابلهای GPU و حتی برخی گزینههای I/O اثر میگذارد. در DL380a Gen12، خرید چند GPU و افزودن آنها به یک شاسی بدون بررسی Configuration Rules میتواند به کانفیگ ناسازگار یا غیرقابل پشتیبانی منجر شود.
DL380a Gen12 برای هر Workload سازمانی انتخاب پیشفرض نیست. ارزش این پلتفرم زمانی بیشتر میشود که بخش قابلتوجهی از پردازش به Accelerator وابسته باشد و سازمان بخواهد تراکم GPU بالایی را در یک سرور Enterprise مدیریت کند.
اگر پروژه شما در مرحله انتخاب معماری GPU قرار دارد، مقاله راهنمای انتخاب GPU Server برای پروژههای هوش مصنوعی معیارهای تکمیلی برای بررسی تعداد GPU، حافظه، توان و نوع Workload ارائه میکند.
یکی از مهمترین نکات تصمیمگیری، تفاوت میان DL380a Gen12 و DL380 Gen12 است. شباهت نام این دو محصول نباید باعث شود آنها را دو کانفیگ ساده از یک سرور واحد در نظر بگیریم. DL380 Gen12 یک پلتفرم 2U عمومیتر برای Workloadهایی مانند Virtualization، Containers و Data Management است؛ در مقابل، DL380a Gen12 با شاسی 4U و ظرفیت بسیار بیشتر GPU برای Accelerated Computing بهینه شده است.
| معیار | DL380a Gen12 | DL380 Gen12 |
|---|---|---|
| تمرکز معماری | Accelerated Computing و AI | General Enterprise Compute و Hybrid Cloud |
| فرمفاکتور | 4U | 2U |
| پردازنده | 2× Intel Xeon 6 | تا 2× Intel Xeon 6 |
| تمرکز GPU | تراکم بسیار بالا؛ تا 10 Double-Wide در کانفیگهای پشتیبانیشده | GPU Support با تراکم کمتر؛ مناسبتر برای Workload عمومی و شتابیافته سبکتر |
| فضای رک | بیشتر | متراکمتر برای Compute عمومی |
| سناریوی شاخص | AI Inference، Generative AI، GPU Compute | Virtualization، Containers، Data Management، Enterprise Applications |
برای بررسی مدل عمومیتر این خانواده میتوانید مشخصات HPE ProLiant Compute DL380 Gen12 را نیز در کنار DL380a مقایسه کنید.
برای سازمانی که از DL380a Gen11 استفاده میکند، تصمیم ارتقا نباید فقط بر مبنای شماره نسل باشد. نوع GPU موردنیاز، پشتیبانی نرمافزاری، ظرفیت حافظه، نیاز به PCIe Gen5، توان رک و هزینه مهاجرت باید در محاسبه TCO وارد شوند. اگر Workload فعلی از منابع Gen11 بهخوبی استفاده میکند، ارتقای فوری همیشه اقتصادی نیست؛ اما برای پروژههایی که به GPUهای جدیدتر یا تراکم Accelerator بالاتر نیاز دارند، Gen12 میتواند مزیت معماری قابلتوجهی ایجاد کند.
صفحه HPE ProLiant DL380a Gen11 امکان بررسی نسل قبلی این پلتفرم را فراهم میکند.
در این محصول، سؤال «چه تعداد GPU نیاز داریم؟» تنها یکی از ورودیهای طراحی است. یک کانفیگ حرفهای باید از Workload شروع شود و سپس GPU، CPU، RAM، شبکه، Storage، Power و Cooling بهصورت هماهنگ انتخاب شوند.
اگر پروژه به GPUهای متعدد نیاز ندارد و هدف اصلی اجرای ماشینهای مجازی عمومی، سرویسهای وب، دیتابیس یا Application Server است، ظرفیت Accelerator این محصول ممکن است بلااستفاده بماند. در چنین شرایطی یک سرور 1U یا 2U عمومیتر میتواند Rack Density و هزینه بهتری ارائه کند.
همچنین برای پروژهای که به تراکم بسیار بالاتر GPU، Fabric تخصصی یا معماری خاص Training Cluster نیاز دارد، باید پلتفرمهای AI تخصصیتر نیز در فرآیند مقایسه حضور داشته باشند. صفحه محصولات HPE ProLiant Servers برای مقایسه گزینههای مختلف خانواده HPE در دسترس است.
این سرور یک محصول Enterprise و کانفیگمحور است. تعداد و مدل GPU، پردازندهها، ظرفیت RAM، نوع NVMe، NIC، Power Supply، Rail Kit، لایسنسهای مدیریتی و سطح خدمات میتوانند قیمت نهایی را بهطور جدی تغییر دهند. بنابراین مقایسه قیمت باید روی BOM یکسان انجام شود، نه فقط نام شاسی.
در یک Node چند-GPU، هزینه برق، Cooling، فضای رک، شبکه، پشتیبانی و نرخ واقعی بهرهبرداری از GPUها بخش مهمی از TCO هستند. سروری که GPU بیشتری دارد الزاماً اقتصادیتر نیست؛ اگر Data Pipeline، شبکه یا نرمافزار نتواند از شتابدهندهها استفاده کند، بخشی از سرمایهگذاری بدون بهره باقی میماند.
برای پروژههایی که به طراحی و Sizing دقیق نیاز دارند، خدمات پردازشی و زیرساخت محاسباتی آکو میتواند مسیر انتخاب CPU، GPU، حافظه، Storage و شبکه را براساس Workload واقعی پروژه مشخص کند.
HPE ProLiant Compute DL380a Gen12 زمانی انتخاب مناسبی است که Accelerator بخش اصلی معماری باشد. شاسی 4U، دو پردازنده Intel Xeon 6، حافظه DDR5، PCIe Gen5 و امکان استقرار تا 10 GPU Double-Wide در کانفیگهای پشتیبانیشده، آن را به پلتفرمی جدی برای AI Inference، Generative AI، Accelerated Analytics و سایر Workloadهای GPU-محور تبدیل میکند.
در مقابل، اگر نیاز سازمان بیشتر حول Virtualization عمومی، دیتابیس و سرویسهای Enterprise بدون تراکم بالای GPU شکل گرفته باشد، انتخاب DL380 Gen12 یا سایر مدلهای ProLiant میتواند از نظر هزینه و فضای رک منطقیتر باشد. تصمیم نهایی درباره DL380a باید براساس Workload، تعداد و نوع GPU، GPU Memory، System Memory، شبکه، Storage، توان و ظرفیت خنکسازی دیتاسنتر انجام شود.
این سرور در فرمفاکتور 4U طراحی شده است. فضای 4U به HPE اجازه داده ظرفیت بالایی برای GPUهای Double-Wide، سیستم خنکسازی و زیرساخت توان موردنیاز Accelerated Computing فراهم کند.
در کانفیگهای پشتیبانیشده، DL380a Gen12 میتواند تا 10 GPU از نوع Double-Wide را میزبانی کند. تعداد واقعی قابل استفاده به مدل GPU، GPU Mode، Cooling، Power Supply و سایر Optionهای انتخابی بستگی دارد.
DL380a Gen12 یک پلتفرم 4U Accelerator-Optimized با تمرکز بر تراکم بالای GPU است؛ در حالی که DL380 Gen12 یک سرور 2U عمومیتر برای Virtualization، Containers، Data Management و Workloadهای Enterprise محسوب میشود.
این سرور 32 اسلات DDR5 RDIMM دارد. براساس کانفیگهای فعلی HPE، ظرفیت تا 8TB با 32 ماژول 256GB در 2DPC و سرعت 5200 MT/s قابل دستیابی است. کانفیگ 1DPC با 16 ماژول 256GB میتواند تا 4TB حافظه با سرعت 6400 MT/s فراهم کند. سرعت واقعی به پردازنده و Population حافظه وابسته است.
این پلتفرم میتواند برای برخی Workloadهای Training و بهویژه پردازشهای شتابیافته مناسب باشد، اما مناسب بودن آن به اندازه مدل، GPU Memory، نیاز ارتباط GPU-to-GPU و معماری Cluster بستگی دارد. برای Trainingهای بسیار بزرگ باید آن را در کنار پلتفرمهای تخصصی AI و GPU Cluster مقایسه کرد.
حداقل باید نوع Workload، مدل و تعداد GPU، CPU موردنیاز، ظرفیت RAM، Storage، سرعت شبکه و سطح Redundancy مشخص باشد. در پروژههای GPU-محور، اطلاعات توان و Cooling دیتاسنتر نیز برای نهاییکردن کانفیگ اهمیت دارد.
محصولات آکو
HPE
DELL
Broadcom
خدمات آکو
بلاگ
دانلود
HPE
DELL
Broadcom
Vmware
درباره ما
ارتباط با ما
