浪潮NF5468A5 GPU服務器整體設計及性能深度測評解讀

近日，浪潮信息推出AI服務器 NF5468A5"超值機型 限免試用"活動。浪潮NF5468A5是一款性能強大、應用場景廣泛的GPU服務器，硬件設計合理，可最大化發(fā)揮核心組件的性能優(yōu)勢，并通過分區(qū)散熱設計保障服務器穩(wěn)定運行,同時廣泛兼容主流加速卡，計算性能強大，以更靈活的計算架構最大程度地滿足用戶在圖像識別、自然語言處理、語音識別等多場景應用需求，專業(yè)測評媒體將其比喻為"算力猛獸"。

本文將圍繞NF5468A5整體設計及性能測試進行深度測評解讀，展現(xiàn)HPL、內存帶寬、AI訓練、AI推理、視頻編解碼、HASH等應用場景的各類測試數(shù)據(jù)，如對該AI服務器感興趣可以申請參加試用活動。

浪潮NF5468A5服務器

NF5468A5是浪潮推出的一款面向AI訓練和AI推理、視頻編解碼等多種應用場景的全能型GPU服務器，在4U空間內搭載2顆AMD EPYC處理器，支持多達8張雙寬加速卡。浪潮官網顯示，這款產品已經支持NVIDIA、AMD、Intel、寒武紀、燧原等多家業(yè)界主流AI加速卡。

本次拿到的樣機采用如下配置：

接下來，筆者將從系統(tǒng)解析、性能測試這兩個方面對浪潮NF5468A5服務器進行測評。

1.NF5468A5系統(tǒng)解析

1.1整體系統(tǒng)設計

浪潮NF5468A5 AI服務器采用了4U機架式機箱，高x寬x深為175mm x 478mm x 830mm。整體風格簡約、硬朗，不論做工、還是用料、細節(jié)，均彰顯出大廠品質。

前面板沿用浪潮一貫穩(wěn)重的黑色，六邊形的格柵結構由金屬制成，可以將風扇高速旋轉產生的湍流風切割成平穩(wěn)的平流風，從而更平穩(wěn)的吹向服務器內部。前面板右上角，電源鍵下方是ID、Reset按鍵和系統(tǒng)狀態(tài)指示燈，前面板左上角則是VGA、兩個USB 3.0接口和管理接口。前面版的豐富接口，充分考慮了運維人員的工作場景，十分便捷。

浪潮NF5468A5前視圖

從后窗來看，NF5468A5在4U空間內提供了8個全高全長雙寬PCIe x16的物理插槽，支持最新PCIe Gen4,雙向通信帶寬高達64GB/s,相比PCIe Gen3,功耗不變,但通信性能提升1倍。在此基礎上產品還提供了3個全高全長單寬x16物理槽位，可支持25G/100G/200G雙口光纖，或者千兆/萬兆RJ45網卡以及8/16端口12Gb/s RAID卡，可滿足客戶對網絡及存儲的要求。同時可支持1個OCP 3.0網卡專用插槽，支持熱插拔，將網卡更換時間從20分鐘縮短到1分鐘，能夠大幅提高運維效率。

NF5468A5支持4個電源模組，可以提供1600W~3000W功率的80 PLUS鉑金電源模塊，效率高達94%,可選3+1冗余或者2+2冗余，多種組合的冗余電源設計，充分考慮了不同配置AI服務器的負載情況，保障穩(wěn)定性。

浪潮NF5468A5后視圖

整個服務器采用非常緊湊的布局設計，總共分成四個功能區(qū)域，從前往后依次是：磁盤存儲區(qū)、系統(tǒng)散熱區(qū)、處理器+內存區(qū)、GPU+IO擴展區(qū)。

浪潮NF5468A5內部俯視圖

下面我們先看下CPU和內存。這臺樣機搭配了2顆AMD EPYC 7543處理器，核心數(shù)達到了32核心64線程，基準主頻2.8GHz，最大加速時鐘頻率3.7GHz，L3 Cache 256MB，功耗225W。另外，浪潮官網介紹NF5468A5可支持2顆AMD基于"Zen3"微架構內核的EPYC Milan-X處理器，最高128個核心256線程、1536MB L3 Cache 以及18 GT/s XGMI互連鏈路，CPU TDP最大支持280W。樣機配置了16根32G DDR4內存，同時可以看到服務器主板整齊排布了32個DDR4內存插槽，最大容量可達8TB，內存總帶寬750GB/s，支持RDIMM/LRDIMM等類型的內存條。NF5468A5強勁的處理器性能、巨大的內存容量和帶寬，特別適合AI計算、云計算、HPC以及企業(yè)各類業(yè)務的工作負載。

浪潮NF5468A5的CPU散熱器和內存條

筆者手上的這臺NF5468A5，最吸引眼球的是本次測試樣機搭配了8顆NVIDIA A100 40G加速卡，從京東網上的報價看，8張A100的價格已經與一款中高端轎車相當，這究竟是一款什么樣的AI服務器，筆者將帶大家一探究竟。

我們來重點看一下NF5468A5的GPU模組。樣機搭配了8張NVIDIA A100 PCIE 40GB GPU加速卡，由于每張卡功耗高達250W，服務器也給GPU板卡配置了單獨供電線，保證GPU卡的穩(wěn)定工作。為了滿足PCIE卡的高功率運行，我們看到NF5468A5在GPU板上專門設計了4個用于大電流通流的bus bar，據(jù)浪潮的工程師介紹，bus bar的通流能力可以達到2880W，這對于各類PCIE加速卡的支持是非常強勁的。

NF5468A5提供了對豐富外插卡的支持，針對A100這種全高全長的卡配置了專用支架，搭配尾部鎖片進行固定，這樣能增強產品在運輸過程中震動、跌落情況下的可靠性。我們翻開尾部鎖片，旋轉藍色旋鈕，就能非常順利的取下GPU進行更換，這種針對PCIE卡免工具的操作非常人性化。

1.2系統(tǒng)散熱設計

從浪潮官網產品介紹中看到NF5468A5可以支持2顆280W CPU+8顆300W的GPU，在177mm的空間內浪潮究竟是如何實現(xiàn)的？筆者找浪潮工程師拿到了系統(tǒng)風流圖，從中可以看出，系統(tǒng)整體風道采用前進后出的方式，散熱風流主要從前面板的硬盤及下方開孔處進入系統(tǒng)。風流經系統(tǒng)風扇后通過導風罩的分配，一部分進入下層前排CPU和內存通道，一部分繼續(xù)往后吹；經過CPU和內存后的風及未被預熱的風大部分流向后方上面3U空間的GPU，小部分流向下面1U空間；最后經后面板流出系統(tǒng)。如此巧妙的風道設計和精準的風流控制，足見浪潮作為全球AI領導廠商深厚的設計功底。

系統(tǒng)分離式風流設計

這款服務器將整機柜產品中"風扇墻"的設計理念搬到了4U機箱中，"風扇墻"一共由6組可以單獨維護的子風扇模組組成，風扇后部搭配了流線型設計的導風罩，覆蓋了從風扇到GPU中間的區(qū)域，但整個導風罩并沒有完全擋住風扇的出風區(qū)域，結合上面系統(tǒng)風流圖也證明是為實現(xiàn)CPU和GPU獨立風道的引流設計，避免風流的串擾，無論多"強悍"的CPU和GPU都可以馴服。

NF5468A5中置風扇墻和導流設計

1.3架構設計

筆者查找了海外網站相關浪潮產品的介紹資料，找到一張產品的拓撲圖，發(fā)現(xiàn)有別于傳統(tǒng)CPU-PCIE Switch-GPU的設計，浪潮產品采用CPU-GPU直連方式。跟浪潮工程師確認，送測的NF5468A5也采用類似設計。工程師介紹，由于省去了PCIE Switch，2顆CPU與GPU的通訊延遲能降低200~300ns，同時GPU到CPU的通信帶寬可以達到256GB/s，較GPU通過PCIE Switch只有1條與CPU PCIE通路比，帶寬提升4倍，這種極致的互聯(lián)架構設計，有助于提升GPU與CPU間數(shù)據(jù)通信的帶寬，有效降低數(shù)據(jù)的處理延遲。

2.NF5468A5性能測評

2.1 HPL測試

樣機搭配2顆AMD EPYC 7543處理器，這款處理器是32核64線程，基準主頻2.8GHz，L3 Cache 256MB，最大加速時鐘頻率最高可達3.7GHz，功耗225W。為了能夠了解CPU實際性能，下面將采用HPL基準軟件進行測試。

在計算機基準測試軟件中，HPL是應用最廣泛的基準測試程序之一。通過使用高斯消元法對稠密線性方程組進行求解，HPL可以準確測試系統(tǒng)浮點計算指標。在每年全球超級計算機排名TOP500中，HPL測試性能是唯一的評價標準。

由于筆者拿到的設備是一臺未預裝任何軟件的裸金屬服務器，為了進行相關測試，首先在上面安裝了Ubuntu20.04操作系統(tǒng)。

然后用HPL軟件測試了系統(tǒng)的浮點運行能力。通過如下命令，將測試進程和CCD進行綁定。

#mpi_options="--mca mpi_leave_pinned 1 --bind-to none --report-bindings --mca btl self,vader" #mpi_options="$mpi_options --map-by ppr:1:l3cache -x OMP_NUM_THREADS=4 -x OMP_PROC_BIND=TRUE -x OMP_PLACES=cores" #mpirun $mpi_options -app ./appfile_ccx

在運行之前，還需要設置核心運行在最高頻率，清除系統(tǒng)緩存，并開啟大頁內存等設置，保證獲得當前平臺最高性能。

echo 3 > /proc/sys/vm/drop_caches echo 1 > /proc/sys/vm/compact_memory echo 0 > /proc/sys/kernel/numa_balancing echo‘always‘> /sys/kernel/mm/transparent_hugepage/enabled echo‘always‘> /sys/kernel/mm/transparent_hugepage/defrag sudocpupower frequency-set-g performance

最終測試浮點計算速度為2.69 TFLOPS，根據(jù)當前AMD平臺理論浮點計算速度，計算效率達到93.74%。

處理器浮點計算測試結果

2.2內存帶寬測試

我們用業(yè)界主流的測試軟件STREAM對NF5468A5的內存帶寬進行了測試，測試參數(shù)如下：

# Thread Binding Options for AMD EPYC 7742/7763 Processor $exportGOMP_CPU_AFFINITY=0-64:8 $exportOMP_NUM_THREADS=8

在運行前，清除系統(tǒng)緩存并且開啟透明大頁內存設置等，設置參數(shù)如下：

$echomadvise |tee/sys/kernel/mm/transparent_hugepage/enabled $echomadvise |tee/sys/kernel/mm/transparent_hugepage/defrag $ echo 3 > /proc/sys/vm/drop_caches $ echo 1 > /proc/sys/kernel/numa_balancing

通過以上編譯和運行過程中優(yōu)化，STREAM測試結果為373 GB/s，根據(jù)當前平臺理論內存帶寬409.6 GB/s,實測內存帶寬效率達到91.1%。應該說，這個效率非常高了。

內存帶寬測試結果

2.3訓練性能測試

下面我們來測試NF5468A5的AI訓練性能。樣機配置8張NVIDIA A100 PCIE 40GB GPU，這款GPU采用Ampere架構，基于7nm制造工藝，包含了超過540億個晶體管，擁有6912個CUDA核心，搭載了40GB HBM2內存，具備1.6TB/s的內存帶寬，F(xiàn)P64性能9.7 TFLOPS，F(xiàn)P32性能19.5 TFLOPS，F(xiàn)P16性能312 TFLOPS。

筆者從github網站上的公共倉庫https://github.com/mlcommons/training_results_v1.0中下載了MLPerf Training V1.0代碼，并使用這套代碼按照以下測試步驟在NF5468A5上訓練ResNet50模型。MLPerf是一套衡量機器學習系統(tǒng)性能的權威標準，將在標準目標下訓練或推理機器學習模型的時間，作為一套系統(tǒng)性能的測量標準。MLPerf由圖靈獎得主大衛(wèi)·帕特森（David?Patterson）聯(lián)合谷歌、斯坦福、哈佛大學等單位共同成立，是國際上最有影響力的人工智能基準測試之一。ResNet50是計算機視覺領域中最經典的圖像分類模型，廣泛應用于圖像識別、自動駕駛等場景。

MLPerf代碼提供了容器配置文件，我們可以很方便的通過配置文件在自己的服務器設備上創(chuàng)建鏡像環(huán)境,鏡像中包含cuda、cudnn、nccl、mxnet等上層組件。但是在運行容器之前，還需要在Host OS中安裝NVIDIA GPU Driver、docker、nvidia-docker這些基礎軟件。

首先，筆者參考https://docs.nvidia.com/datacenter/tesla/tesla-installation-notes/index.html#runfile教程在Ubuntu20.04操作系統(tǒng)中下載并安裝了R470.82.01版本的驅動；然后按照https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/install-guide.html#docker教程安裝docker和nvidia-docker。

通過以下命令構建容器鏡像：

$ cd ~/training_results_v1.0/NVIDIA/benchmarks/resnet/implementations /mxnet $ docker build -t mlperf1.0-nvidia:image_classification .

在測試之前，通過在nf5468a5_cxx.sh文中添加以下內容綁定核心與進程，最大化的利用系統(tǒng)中的計算資源，達到良好的負載均衡，保證獲得最優(yōu)的性能結果。

bind_cpu_cores=([0]="48-63,176-191" [1]="32-47,160-175" [2]="16-31,144-159" [3]="0-15,128-143" [4]="112-127,240-254" [5]="96-111,224-239" [6]="80-95,208-223" [7]="64-79,192-207") bind_mem=([0]="3" [1]="2" [2]="1" [3]="0" [4]="7" [5]="6" [6]="5" [7]="4")

測試環(huán)境準備完成，執(zhí)行以下指令開始測試：

激活環(huán)境變量： $ source config_NF5468A5.sh $ export CONT=mlperf1.0-nvidia:image_classification $ export DATADIR=/home/data/mxnet_imagenet/ $ export LOGDIR=/home/resnet50/ 執(zhí)行測試腳本： $ ./run_with_docker.sh

測試結果為21486 images/sec，也就是35分鐘即可完成ResNet50模型的訓練。參考最近幾期MLPerf訓練榜單，搭載8張NVIDIA A100 40G GPU卡的服務器的最好成績是36.2分鐘?？梢哉f，在同等GPU配置的服務器中，浪潮NF5468A5的ResNet50訓練性能是最好的。

2.4推理性能測試

筆者也測試在目前推理場景中熱度最高的NVIDIA Tesla T4，這款精致的GPU卡只有75W，采用Turing架構, 在半高卡的尺寸內集成320個Turing Tensor Core和2560個Turing CUDA Core，配備16GB GDDR6，支持FP32/FP16/INT8/INT4等多種精度的運算，F(xiàn)P16的峰值性能為65T，INT8為130T，INT4為260T。

NVIDIA Tesla T4 GPU

推理性能測試同樣使用了MLPerf測試工具，本次測試是基于MLPerf Inference V1.0.復用了訓練測試時使用的OS、docker、nvidia-docker等基礎軟件環(huán)境。

我們在NF5468A5搭載1張NVIDIA T4 GPU，使用github網站上的公開代碼https://github.com/mlcommons/inference_results_v1.0，按照如下步驟測試了ResNet50模型的推理性能：

同訓練時一樣，首先要構建容器鏡像：

# unzip mlperf-inference-release.zip # cd /mlperf-inference-release/closed/Inspur # export MLPERF_SCRATCH_PATH=/home/inspur/data/data_mlperf/ # make prebuild (備注：prebuild后會自動進入容器實例)

然后執(zhí)行以下指令開始測試：

sudo CUDA_VISIBLE_DEVICES=0 make run RUN_ARGS="--benchmark=resnet50 --scenarios=Offline --config_ver=default --test_mode=PerformanceOnly --fast"

在圖像分類應用場景中，使用ImageNet數(shù)據(jù)集，ResNet50測試結果是每秒處理5671.9張圖片。我們了解到NVIDIA T4的ResNet50推理性能為每秒5000張圖片左右。應該說，在NF5468A5上測得的T4推理性能非常好了。

ResNet50推理測試結果

筆者也拿到了寒武紀MLU270-S4推理加速卡。MLU270-S4采用TSMC 16nm工藝制造，集成16GB DDR4內存，支持ECC，同時兼容INT4和INT16運算，理論峰值分別達到256TOPS和64TOPS。

我們發(fā)現(xiàn)NF5468A5對寒武紀的板卡也做了很好的兼容性適配，BMC可以顯示MLU270-S4的資產信息，風扇轉速也根據(jù)MLU270-S4的功耗進行了調整，相比A100，能夠明顯感覺到風扇轉速主動降低了。不得不說，浪潮服務器的散熱控制做得很精細。

寒武紀MLU270-S4加速卡

我們在NF5468A5上插了1張MLU270-S4，測試了Caffe框架下的ResNet18、PyTorch框架下的GoogleNet以及TensorFlow下的ResNet101v1.5、VGG16和InceptionV3這幾個模型的推理性能，在使用int8精度時，計算性能分別為每秒7440、5800、2400、1400和1000張。

筆者分析，浪潮NF5468A5在訓練和推理測試中能取得這么好的成績主要有三個原因：第一，ResNet50模型從算法上還是需要CPU進行一定的圖像預取和處理操作，本次送測的AMD 7543具備32核心2.8GHz主頻，有助于圖像在CPU端的預處理工作；第二，NF5468A5采用CPU和GPU直連設計，有效降低數(shù)據(jù)的處理延遲，同時單個CPU與GPU通信帶寬高達128GB/s；第三，NF5468A5可以支持NVME SSD作為數(shù)據(jù)盤，通過將多顆NVME SDD數(shù)據(jù)盤組建RAID，可以極大的提升磁盤IO能力，在AI這種需要頻繁讀取數(shù)據(jù)的場景中，能夠非常有效的避免因為IO短板帶來的性能瓶頸。

2.5視頻編解碼性能測試

筆者在NF5468A5服務器上也評測了浪潮自研的M10A加速卡。

據(jù)浪潮官網介紹，M10A是一款面向AI場景優(yōu)化設計的VPU(Video Processing Unit), VPU是一種全新的視頻處理核心引擎，將視頻處理功能做成ASIC芯片，具有硬件編碼、硬件解碼、硬件轉碼等視頻加速功能，可以減少服務器在視頻處理業(yè)務上的計算性能消耗和降低視頻傳輸對網絡帶寬的需求。

M10A在8W功耗下可以提供16路1080P30視頻的加速能力，相當于每路1080P視頻加速僅需0.5W。M10A針對H.265視頻格式壓縮算法進行了特殊優(yōu)化，實測數(shù)據(jù)表明M10A的H.265編碼效果可以使得網絡帶寬利用率翻倍，同時計算CPU負荷最低可降至2%，適用于直播、短視頻、云游戲、視頻會議等場景。

浪潮M10加速卡

在FFMPEG視頻框架下，我們直接用軟件SDK中的demo腳本，測試了M10A在不同視頻分辨率下的性能數(shù)據(jù)，如下是16路1080P全高清視頻實時轉碼的性能測試情況：

在測試的過程中，我們發(fā)現(xiàn)M10A VPU芯片內部是"多核"結構，這將進一步降低視頻處理延遲，提高多路視頻轉碼時的性能穩(wěn)定性。

從測試結果看到，M10A進行16路1080P全高清視頻轉碼時，每路視頻轉碼性能都能達到33fps，達到了浪潮官方宣傳的性能。

M10A視頻轉碼性能測試結果

另外，我們還測試了4K超高清和720P高清分辨率下的M10A的性能數(shù)據(jù)，分別可以達到4K 120fps和720P 960fps，解碼、編碼和轉碼的性能都是一致的。

在我們跟視頻行業(yè)技術大咖的交流中了解到，一張M10A的視頻處理能力相當于一臺雙路服務器的性能，M10A具有高性能、低功耗的優(yōu)點，這對視頻行業(yè)來說是一個非常高性價比的解決方案。

2.6 HASH性能測試

除了前面講到的幾張加速卡，筆者也嘗試了其他板卡，比如主流的消費級顯卡RTX3090等，發(fā)現(xiàn)NF5468A5都做了很好的適配工作。

RTX3090采用第2代NVIDIA RTX架構-NVIDIA Ampere架構，采用8納米工藝，擁有10496個CUDA核心，搭載了24 GB GDDR6X內存，384bit位寬。

RTX3090顯卡

下面，我們來看看浪潮5468A5搭載RTX3090顯卡在區(qū)塊鏈場景的性能。基于T-Rex這個知名的應用軟件，筆者對業(yè)界主流的哈希算法進行了性能測試。T-Rex不僅支持區(qū)塊鏈場景中最常用的ETHASH算法，也支持其他諸如BLAKE3、MTP等哈希算法。

ETHASH算法性能測試過程

針對每種HASH算法，我們使用了t-rex軟件的benchmark模型，在單個3090顯卡上進行測試，每次測試持續(xù)10分鐘時間，并記錄了最終的性能數(shù)據(jù)，如下表所示。

浪潮NF5468A5+單卡RTX3090 HASH算法測試結果

其中ETHASH算法的單卡性能達到了108MH/s。

這在很大程度上得益于NF5468A5優(yōu)秀的散熱設計。RTX3090的功耗高達350W，在區(qū)塊鏈場景，顯卡通常是7*24小時運行，因此對散熱的要求非常高。筆者監(jiān)控了整個測試過程中的GPU功耗和溫度情況，發(fā)現(xiàn)在長達半天的測試過程中，雖然GPU功耗長期維持在330~340W之間，但是GPU的溫度一直維持在60℃左右，甚至在多卡同時運行時，GPU的溫度也能保持在60℃左右，可以看出NF5468A5的散熱設計做得相當不錯。

3. NF5468A5服務器測評總結

通過對產品外觀和內部設計的評測，我們看到，浪潮NF5468A5在產品設計上，存儲、計算、風扇、GPU擴展等各模塊簡潔明朗，尤其是巧妙的分區(qū)散熱設計有效實現(xiàn)CPU與GPU模組的分流，豐富的存儲+IO擴展性，同時人性化的設計以扎實的做工，也彰顯出浪潮對產品細節(jié)的嚴謹和大廠雄厚的設計實力。

在整體實際性能的綜合測試，得益于浪潮高效的產品架構，最大發(fā)揮CPU與GPU之間的通訊效能，處理器計算效率達到93.74%，實測內存帶寬373 GB/s，搭配8張A100訓練ResNet50模型得到每秒處理21486張圖片的驚人算力，在ImageNet數(shù)據(jù)集下進行ResNet50推理測試展現(xiàn)超出T4標稱13%的圖片處理能力，這臺算力猛獸全方位的表現(xiàn)，相信給筆者和大家都留下了深刻的印象。

此外，ETHASH算法單卡性能突破100MH/s；很好地支持寒武紀國產推理卡，輕松實現(xiàn)每秒處理圖片超7000張；搭載視頻轉碼卡M10A展示了480fps 1080P視頻轉碼性能。浪潮NF5468A5還有很多意想不到的潛能，筆者期待進一步的發(fā)掘，給大家?guī)砀实脑u測。

責任編輯：彭菁