前面的文章讲述了Quarch在大模型训练/推理过程中针对GPU，网卡和SSD等硬件导入各种异常的测试，本篇文章进一步讲述一下可 编 程 电 源（简称PPM, Programmable Power Module）进行主动电压拉偏和功耗测试的例子。

Quarch的可编程电源模块(PPM)是一个强大的工具，用于精确控制和测量各种硬件组件的电源特性。这在AI训练和推理主机的硬件验证中尤为重要。以下是一些使用Quarch PPM对GPU、网卡和NVMe SSD进行电压拉偏和功耗测量的具体例子：

1.GPU动态电压缩放测试

场景：测试GPU在不同电压下的性能和稳定性。操作：

• 使用PPM逐步降低GPU核心电压，同时运行AI训练负载。

• 记录每个电压级别下的性能指标和功耗。测试目的：找到GPU的最佳工作电压，在保证稳定性的同时最大化能效。预期结果：随着电压降低，功耗应下降，直到达到临界点，性能开始明显下降或出现不稳定。

场景：测量网卡在不同负载下的功耗特性。操作：

• 使用PPM为网卡供电，同时逐步增加网络流量。

• 精确记录不同流量水平下的功耗数据。测试目的：分析网卡的功耗曲线，优化数据中心的散热和供电设计。预期结果：功耗应随流量增加而上升，但可能不是线性关系。可能会观察到功耗突增点。

场景：评估SSD对电压波动的耐受能力。操作：

• 使用PPM模拟电源纹波，在SSD正常工作电压周围小幅震荡。

• 逐步增加纹波幅度，直到观察到性能下降或错误。测试目的：验证SSD在非理想电源条件下的稳定性。预期结果：SSD应能在一定范围内的电压波动中正常工作，超过某个阈值后可能出现性能下降或错误。

场景：验证GPU的过载保护机制。操作：

• 使用PPM逐步增加GPU的供电电流，超过其额定值。

• 监控GPU的性能、温度和功耗。测试目的：测试GPU的过载保护功能是否正常工作。预期结果：GPU应在达到某个电流阈值时自动降频或关闭，以防止硬件损坏。

场景：分析多个组件（GPU、网卡、SSD）在高负载下的总体功耗。操作：

• 使用多个PPM同时为GPU、网卡和SSD供电。

• 运行综合AI工作负载，模拟训练和推理场景。

• 精确记录每个组件的功耗变化。测试目的：优化系统级功耗管理策略。预期结果：可以观察到不同组件间的功耗此消彼长，有助于设计更智能的功耗管理算法。

场景：研究SSD写入放大对功耗的影响。操作：

• 使用PPM精确测量SSD在不同写入模式下的功耗。

• 比较顺序写入和随机写入的功耗差异。测试目的：量化写入模式对SSD能效的影响。预期结果：随机写入通常会导致更高的功耗，可能观察到与写入放大因子相关的功耗增加。

场景：分析GPU频率与电压的最优配置。操作：

• 使用PPM精确控制GPU电压。

• 在不同电压下尝试不同的GPU频率设置。

• 记录每种配置下的性能和功耗。测试目的：找到性能和能效的最佳平衡点。预期结果：应能绘制出频率-电压-性能-功耗的关系图，帮助确定最佳工作点。

场景：测试网卡在低流量时的节能能力。操作：

• 使用PPM监控网卡在不同流量水平下的功耗。

• 特别关注低流量或空闲状态下的功耗。测试目的：验证网卡的低功耗模式是否有效。预期结果：在低流量或空闲状态下，应观察到显著的功耗下降。

场景：分析SSD热插拔过程中的功耗变化。操作：

• 使用PPM监控SSD的瞬时功耗。

• 模拟热插拔操作，记录功耗变化。测试目的：了解热插拔对系统功耗的影响，优化电源设计。预期结果：应观察到插入时的功耗尖峰，以及稳定后的功耗水平。

场景：研究GPU温度对功耗的影响。操作：

• 使用PPM精确测量GPU功耗。

• 同时监控GPU温度。

• 在不同环境温度下运行相同的AI负载。测试目的：量化温度对GPU能效的影响。预期结果：随着温度升高，相同负载下的功耗可能会增加，反映了散热效率对能耗的影响。

如果你有其任何关于PCIe5&6.0, CXL, NVMe, NAND, DDR5/LPDDR5以及UFS测试方面的我问题想咨询，请添加点击左下角“阅读原文”留言，或者saniffer公众号留言，致电021-50807071 / 13127856862，sales@saniffer.com。