، برای DL380 Gen11 و RAID سخت‌افزاری NVMe

 ، برای DL380 Gen11 و RAID سخت‌افزاری NVMe این کنترلرها قابل استفاده‌اند:

کنترلر	کش	پارت‌نامبر
MR408i-o Gen11	۴ گیگابایت	P58335-B21
MR416i-o Gen11	۸ گیگابایت	P47781-B21
MR416i-p Gen11	۸ گیگابایت	P47777-B21

این مدل‌ها از NVMe، SAS و SATA پشتیبانی می‌کنند و در گزینه‌های DL380 Gen11 آمده‌اند. hpe.com

کنترلر به‌تنهایی کافی نیست؛ بک‌پلین و کابل مناسب NVMe هم لازم است. سرورت 8SFF، 24SFF یا 12LFF است؟ عکس یا پارت‌نامبر بک‌پلین را بفرست تا ترکیب دقیق را مشخص کنم. HPE Portugal

چگونه زیرساخت سرور مناسب انتخاب کنیم؟

از آزمایش تا اجرای هوش مصنوعی؛ چگونه زیرساخت سرور مناسب انتخاب کنیم؟

شروع یک پروژه هوش مصنوعی ممکن است با یک ابزار آماده، چند فایل داده و یک رایانه معمولی امکان‌پذیر باشد. اما زمانی که قرار است همان پروژه به‌صورت مستمر در یک کسب‌وکار استفاده شود، نیازهای تازه‌ای مطرح می‌شوند: پاسخ‌گویی به کاربران هم‌زمان، نگهداری اطلاعات، کنترل دسترسی‌ها و مدیریت هزینه پردازش. در این مرحله، انتخاب زیرساخت باید با شناخت کاربرد واقعی آغاز شود. نوع مدل، حجم داده، سرعت مورد انتظار و شرایط نگهداری، مشخص می‌کنند چه ترکیبی از سرور، پردازنده گرافیکی، حافظه و ذخیره‌سازی مناسب خواهد بود.

ابتدا کاربرد هوش مصنوعی را مشخص کنید

عنوان «هوش مصنوعی» مجموعه گسترده‌ای از فعالیت‌ها را در بر می‌گیرد. تحلیل تصویر، پردازش متن، پیش‌بینی فروش، جست‌وجوی هوشمند و اجرای دستیار سازمانی، الزاماً منابع یکسانی نیاز ندارند. پیش از انتخاب تجهیزات باید روشن شود خروجی مورد انتظار چیست و سیستم چگونه استفاده خواهد شد. آیا کاربران پاسخ فوری می‌خواهند؟ آیا پردازش‌ها می‌توانند در زمان مشخص و به‌صورت گروهی انجام شوند؟ آیا مدل داخل سازمان اجرا می‌شود یا بخشی از خدمات از طریق یک ارائه‌دهنده بیرونی تأمین خواهد شد؟ پاسخ این پرسش‌ها به تعیین ظرفیت پردازش کمک می‌کند. برای مطالعه بیشتر درباره ارتباط سرور، GPU و زیرساخت اجرای هوش مصنوعی، می‌توانید مطلب مرتبط با خرید سرور اچ پی در دیدگاه پلاس را نیز بررسی کنید.

آموزش مدل با اجرای مدل آماده چه تفاوتی دارد؟

آموزش مدل، تنظیم مدل با داده‌های اختصاصی و اجرای یک مدل آماده، سه فعالیت متفاوت هستند. هرکدام می‌توانند نیازهای خاصی از نظر زمان پردازش، حافظه و ذخیره‌سازی داشته باشند. در بسیاری از کاربردهای سازمانی، هدف اجرای یک مدل آماده برای پاسخ‌گویی یا تحلیل اطلاعات است. در چنین شرایطی، باید اندازه مدل، حجم ورودی‌ها و تعداد درخواست‌های هم‌زمان بررسی شود. اگر پروژه شامل آموزش یا تنظیم مدل باشد، حجم داده و روش انجام این کار نیز بر نیاز سخت‌افزاری اثر می‌گذارد. بنابراین، انتخاب تجهیزات باید بر اساس همان فرایندی انجام شود که قرار است در عمل اجرا شود.

آیا هر پروژه هوش مصنوعی به GPU نیاز دارد؟

نیاز به پردازنده گرافیکی به مدل، نرم‌افزار و سرعت مورد انتظار وابسته است. برخی فعالیت‌های سبک با پردازنده مرکزی قابل انجام هستند؛ برخی دیگر برای دستیابی به زمان پاسخ مناسب از GPU استفاده می‌کنند. بهتر است پیش از خرید سرور ، نیازمندی‌های نرم‌افزار بررسی و در صورت امکان، یک آزمایش اولیه انجام شود. این آزمایش می‌تواند مصرف حافظه، زمان پردازش و رفتار سیستم در برابر درخواست‌های واقعی را نشان دهد. نتیجه چنین بررسی‌ای کمک می‌کند مشخص شود سرمایه‌گذاری روی GPU چه تأثیری بر کاربرد موردنظر دارد و چه ظرفیتی لازم است.

حافظه GPU چرا در انتخاب اهمیت دارد؟

حافظه اختصاصی پردازنده گرافیکی یکی از معیارهای مهم در اجرای مدل‌هاست. مدل، داده‌های موقت و سایر اجزای پردازش باید در منابع قابل دسترس قرار بگیرند. نیاز حافظه فقط به نام مدل وابسته نیست. شیوه اجرای آن، اندازه ورودی‌ها، طول متن‌ها و تعداد درخواست‌های هم‌زمان نیز می‌توانند مصرف حافظه را تغییر دهند. هنگام مقایسه کارت‌ها باید ظرفیت حافظه را در کنار عملکرد، سازگاری نرم‌افزاری و مصرف برق بررسی کرد. همچنین استفاده از چند GPU نیازمند پشتیبانی مدل و نرم‌افزار است؛ مجموع ظرفیت حافظه کارت‌ها در همه کاربردها به‌صورت خودکار مانند یک حافظه واحد عمل نمی‌کند.

سازگاری GPU با سرور را پیش از خرید بررسی کنید

انتخاب کارت گرافیک باید با بررسی مشخصات همان مدل سرور همراه باشد. ابعاد کارت، فضای شاسی، مسیر نصب، اتصال برق و توان خنک‌سازی باید مناسب باشند. نوع رایزر و اسلات‌های قابل استفاده نیز اهمیت دارد. ممکن است یک سرور از نظر پردازنده و رم ظرفیت مناسبی داشته باشد، اما برای نصب کارت موردنظر به قطعات یا پیکربندی متفاوتی نیاز پیدا کند. بهتر است سازگاری بر اساس مستندات مدل دقیق سرور و GPU بررسی شود. روشن شدن دستگاه به‌تنهایی برای تأیید مناسب بودن ترکیب تجهیزات در پردازش مستمر کافی نیست.

پردازنده مرکزی همچنان نقش مهمی دارد

حتی در سیستمی که پردازش اصلی روی GPU انجام می‌شود، CPU وظایفی مانند آماده‌سازی داده‌ها، اجرای خدمات جانبی و مدیریت درخواست‌ها را بر عهده دارد. اگر این بخش ظرفیت کافی نداشته باشد، ممکن است داده‌ها با سرعت لازم به GPU نرسند و منابع پردازنده گرافیکی به‌طور کامل استفاده نشوند. در مقابل، انتخاب CPU بسیار قوی‌تر از نیاز نیز الزاماً عملکرد پروژه را به همان نسبت افزایش نمی‌دهد. تعداد هسته‌ها، عملکرد هر هسته و سازگاری نرم‌افزار باید با توجه به بار کاری بررسی شوند. هدف، هماهنگی اجزای سیستم با یکدیگر است.

رم سرور را متناسب با کل فرایند انتخاب کنید

حافظه رم میزبان، با حافظه اختصاصی GPU تفاوت دارد. سیستم‌عامل، برنامه‌ها، داده‌های در حال آماده‌سازی و خدمات جانبی از رم سرور استفاده می‌کنند. اگر پایگاه داده، موتور جست‌وجو یا چند سرویس دیگر نیز روی همان دستگاه فعال باشند، نیاز آن‌ها باید در محاسبه ظرفیت لحاظ شود. کمبود رم می‌تواند سرعت کل فرایند را محدود کند. نوع ماژول، ظرفیت، ترتیب نصب و امکان ارتقا باید با مشخصات سرور هماهنگ باشند. ظرفیت مناسب بهتر است با بررسی مصرف واقعی یا آزمایش اولیه تعیین شود.

ذخیره‌سازی مناسب برای داده‌ها و مدل‌ها

پروژه‌های هوش مصنوعی می‌توانند شامل فایل‌های مدل، مجموعه داده، خروجی پردازش و گزارش‌های اجرایی باشند. میزان و الگوی دسترسی به این اطلاعات بر انتخاب ذخیره‌سازی اثر می‌گذارد. برای داده‌هایی که مرتب خوانده می‌شوند، سرعت دسترسی ممکن است اهمیت زیادی داشته باشد. در مقابل، برای آرشیو نسخه‌های قدیمی یا نگهداری بلندمدت، ظرفیت و هزینه نیز معیارهای مهمی هستند. هنگام انتخاب SSD یا هارد، سازگاری، رابط اتصال، دوام نوشتن و شرایط ضمانت بررسی شوند. همچنین باید برای رشد حجم اطلاعات و نگهداری نسخه‌های پشتیبان برنامه وجود داشته باشد.

برق و خنک‌سازی را در محاسبه ظرفیت لحاظ کنید

پردازش مستمر می‌تواند مصرف برق و تولید گرما را افزایش دهد. اضافه شدن GPU نیز باید با بررسی ظرفیت منبع تغذیه و شرایط دفع گرما همراه باشد. پیش از نصب تجهیزات، توان موردنیاز کل سیستم، اتصال‌های برق و شرایط محیطی بررسی شوند. فضای رک، مسیر گردش هوا و امکان دسترسی برای سرویس نیز در بهره‌برداری اهمیت دارند. آزمایش زیر بار کمک می‌کند رفتار دستگاه از نظر دما، هشدارها و پایداری بررسی شود. این ارزیابی باید متناسب با شرایط استفاده واقعی انجام گیرد.

اطلاعات سازمان در کجا پردازش می‌شوند؟

محل پردازش داده، یکی از تصمیم‌های مهم در طراحی زیرساخت است. در استفاده از ابزارهای بیرونی باید مشخص باشد چه اطلاعاتی ارسال می‌شوند، چه کسانی به آن‌ها دسترسی دارند و شرایط نگهداری آن‌ها چیست. اجرای داخلی نیز نیازمند مدیریت دسترسی، به‌روزرسانی، ثبت رویدادها و نگهداری مناسب است. قرار گرفتن تجهیزات داخل سازمان، به‌تنهایی امنیت اطلاعات را تضمین نمی‌کند. برای داده‌های حساس، بهتر است مسیر ورود، پردازش و ذخیره خروجی مشخص باشد. حساب‌های مدیریتی و دسترسی کاربران نیز باید متناسب با مسئولیت آن‌ها تعریف شوند.

هزینه زیرساخت داخلی را با خدمات بیرونی مقایسه کنید

انتخاب میان تجهیزات داخلی و خدمات پردازشی بیرونی به حجم استفاده، حساسیت اطلاعات و توان تیم فنی وابسته است. در زیرساخت داخلی، هزینه خرید سرور و GPU، برق، خنک‌سازی، مجوزها و نگهداری باید محاسبه شود. در خدمات بیرونی نیز هزینه مصرف، ذخیره‌سازی، انتقال داده و شرایط ارائه خدمت اهمیت دارند. برای یک پروژه آزمایشی یا استفاده محدود، نتیجه مقایسه ممکن است با یک سرویس پرترافیک و مستمر متفاوت باشد. بهتر است تصمیم بر اساس چند سناریوی واقعی از میزان استفاده گرفته شود.

پیش از خرید نهایی، یک نمونه واقعی را آزمایش کنید

آزمایش اولیه می‌تواند با بخشی از داده‌ها و درخواست‌های واقعی انجام شود. هدف این است که مشخص شود پیکربندی پیشنهادی چه عملکردی در کاربرد موردنظر دارد. معیارهای مفید برای بررسی عبارت‌اند از:

• زمان پاسخ به درخواست‌های معمول؛
• عملکرد در تعداد کاربران هم‌زمان مورد انتظار؛
• مصرف رم و حافظه GPU؛
• سرعت خواندن و آماده‌سازی داده‌ها؛
• دما و وضعیت دستگاه هنگام پردازش مستمر؛
• رفتار سرویس در برابر خطا یا توقف پردازش.

نتیجه این آزمایش باید در کنار هزینه و امکان توسعه ارزیابی شود. یک نمونه موفق نیز بهتر است با شرایط استفاده روزمره و رشد احتمالی پروژه مقایسه شود.

برای نگهداری و بازیابی خدمات برنامه داشته باشید

پس از راه‌اندازی، زیرساخت به پایش و نگهداری نیاز دارد. مصرف منابع، خطاهای نرم‌افزاری و وضعیت قطعات باید بررسی شوند تا تغییرات عملکرد قابل پیگیری باشند. داده‌ها، تنظیمات و فایل‌های مهم پروژه نیز باید در برنامه پشتیبان‌گیری قرار بگیرند. آزمایش بازیابی کمک می‌کند مشخص شود پس از بروز مشکل، بازگرداندن خدمات چگونه انجام خواهد شد. مسئولیت پشتیبانی، به‌روزرسانی و رسیدگی به اختلالات بهتر است از ابتدا روشن باشد. این موضوع برای تبدیل یک پروژه آزمایشی به سرویس قابل استفاده سازمانی اهمیت دارد.

چک‌لیست انتخاب سرور برای هوش مصنوعی

پیش از نهایی کردن تجهیزات، پاسخ این پرسش‌ها را مشخص کنید:

• کاربرد اصلی، آموزش مدل است یا اجرای مدل آماده؟
• مدل و نرم‌افزار چه نیازمندی‌هایی دارند؟
• تعداد درخواست‌های هم‌زمان و زمان پاسخ مورد انتظار چقدر است؟
• نیاز به GPU و ظرفیت حافظه آن چگونه ارزیابی شده است؟
• سرور از نظر نصب، برق و خنک‌سازی با کارت سازگار است؟
• رم، ذخیره‌سازی و شبکه ظرفیت کافی دارند؟
• محل پردازش و سطح دسترسی به اطلاعات مشخص است؟
• هزینه بهره‌برداری و مسیر توسعه بررسی شده‌اند؟
• چه برنامه‌ای برای پشتیبانی و بازیابی خدمات وجود دارد؟

زیرساخت مناسب هوش مصنوعی از هماهنگی مدل، نرم‌افزار و تجهیزات شکل می‌گیرد. با تعریف کاربرد، آزمایش بار واقعی و محاسبه هزینه بهره‌برداری، می‌توان سروری انتخاب کرد که با نیازهای پروژه تناسب داشته باشد و مسیر توسعه آن را روشن‌تر کند.

راهنمای انتخاب سرور برای شبکه سازمانی و هوش مصنوعی؛ از امنیت اطلاعات تا توسعه زیرساخت

انتخاب سرور یکی از تصمیم‌های مهم در توسعه زیرساخت فناوری اطلاعات هر کسب‌وکار است. نرم‌افزارهای مالی، سامانه‌های مدیریت مشتریان، فایل‌های مشترک و ابزارهای تحلیل داده، برای فعالیت مناسب به منابع پردازشی و فضای ذخیره‌سازی قابل اتکا نیاز دارند. با اضافه شدن کاربردهای هوش مصنوعی، بررسی این نیازها اهمیت بیشتری پیدا می‌کند؛ زیرا هر پروژه می‌تواند ترکیب متفاوتی از پردازنده، حافظه، ذخیره‌سازی و ارتباط شبکه را طلب کند. برای انتخاب مناسب، باید ابتدا مشخص شود سرور چه خدماتی ارائه خواهد داد، چه اطلاعاتی روی آن نگهداری می‌شود و سازمان در آینده چه برنامه‌ای برای توسعه دارد. بررسی این موارد کمک می‌کند بودجه صرف تجهیزاتی شود که با نیاز واقعی کسب‌وکار هماهنگ هستند.

پیش از انتخاب مدل سرور، نیازهای سازمان را مشخص کنید

نخستین مرحله، تهیه فهرستی از نرم‌افزارها و سرویس‌هایی است که قرار است روی سرور اجرا شوند. یک مجموعه ممکن است تنها به اشتراک فایل و اجرای نرم‌افزار حسابداری نیاز داشته باشد، درحالی‌که مجموعه دیگری چندین ماشین مجازی، پایگاه داده و سامانه تحلیل اطلاعات را هم‌زمان اجرا کند. تعداد کارکنان به‌تنهایی معیار کافی برای تعیین ظرفیت سرور نیست. تعداد کاربران هم‌زمان، حجم داده‌ها، میزان رشد اطلاعات و ساعات اوج فعالیت نیز باید بررسی شوند. برای مثال، تهیه گزارش‌های سنگین از پایگاه داده می‌تواند منابع بیشتری نسبت به استفاده روزمره از یک نرم‌افزار ساده مصرف کند. برای مطالعه بیشتر درباره ارتباط انتخاب تجهیزات با خدمات شبکه و کاربردهای هوش مصنوعی، می‌توانید مطلب مرتبط با خرید سرور اچ پی در سلامت‌جو را نیز بررسی کنید.

تفاوت سرور شبکه با زیرساخت هوش مصنوعی چیست؟

سرور شبکه معمولاً برای اجرای نرم‌افزارهای مشترک، مدیریت کاربران، نگهداری فایل‌ها و میزبانی سرویس‌های سازمانی استفاده می‌شود. در این کاربردها، تعادل میان پردازنده، رم، فضای ذخیره‌سازی و سرعت شبکه اهمیت دارد. محدودیت در هر بخش می‌تواند روی تجربه کاربران اثر بگذارد. در کاربردهای هوش مصنوعی، نیاز سخت‌افزاری به نوع فعالیت وابسته است. آموزش یک مدل، اجرای مدل آماده و آماده‌سازی داده‌ها الزاماً منابع یکسانی مصرف نمی‌کنند. برخی پردازش‌ها با CPU قابل انجام هستند و برخی برای رسیدن به سرعت مناسب به GPU نیاز دارند. بنابراین، پیش از انتخاب تجهیزات باید اندازه مدل، حجم داده، تعداد درخواست‌های هم‌زمان و زمان پاسخ مورد انتظار مشخص شود. اگر پردازش از طریق یک سرویس بیرونی انجام می‌شود، نیاز سرور داخلی نیز با حالتی که مدل داخل سازمان اجرا می‌شود متفاوت خواهد بود.

پردازنده را متناسب با نرم‌افزار انتخاب کنید

پردازنده یکی از اجزای اصلی سرور است، اما انتخاب آن نباید فقط بر اساس تعداد هسته انجام شود. بعضی نرم‌افزارها از هسته‌های متعدد استفاده می‌کنند، درحالی‌که عملکرد برخی دیگر بیشتر به توان پردازش هر هسته وابسته است. در محیط‌های مجازی‌سازی، باید منابع موردنیاز مجموع ماشین‌های مجازی بررسی شود. برای پایگاه داده نیز نوع عملیات، حجم درخواست‌ها و شرایط نرم‌افزار اهمیت دارد. نسل پردازنده، سازگاری با سرور و هزینه مجوز نرم‌افزارها از دیگر عواملی هستند که می‌توانند بر تصمیم نهایی اثر بگذارند. انتخاب پردازنده‌ای با ظرفیت بسیار بیشتر از نیاز، همیشه به افزایش متناسب سرعت منجر نمی‌شود. بهتر است تصمیم بر اساس بار کاری واقعی و برنامه توسعه سازمان گرفته شود.

نقش رم در عملکرد سرویس‌های سازمانی

حافظه رم فضای لازم برای فعالیت نرم‌افزارها و پردازش داده‌های در حال استفاده را فراهم می‌کند. زمانی که چند سرویس یا ماشین مجازی روی یک دستگاه اجرا می‌شوند، ظرفیت حافظه باید پاسخ‌گوی مجموع نیاز آن‌ها باشد. کمبود رم ممکن است باعث استفاده بیشتر از فضای ذخیره‌سازی به‌عنوان حافظه موقت و کاهش سرعت شود. در مقابل، افزایش حافظه زمانی نتیجه مناسبی دارد که محدودیت اصلی سیستم واقعاً مربوط به رم باشد. در بسیاری از سرورهای سازمانی، حافظه ECC برای شناسایی و اصلاح برخی خطاهای حافظه استفاده می‌شود. هنگام انتخاب ماژول‌ها، نوع حافظه، ظرفیت، سرعت پشتیبانی‌شده و ترتیب نصب باید با مشخصات همان مدل سرور هماهنگ باشد. بررسی اسلات‌های آزاد نیز به برنامه‌ریزی برای ارتقای آینده کمک می‌کند.

هارد و SSD سرور را چگونه انتخاب کنیم؟

انتخاب فضای ذخیره‌سازی باید با توجه به نوع استفاده از اطلاعات انجام شود. آرشیو فایل‌ها، اجرای پایگاه داده و پردازش مجموعه‌های بزرگ داده، نیازهای متفاوتی دارند. در یک کاربرد، ظرفیت بیشتر اولویت دارد و در کاربرد دیگر، زمان پاسخ و سرعت دسترسی مهم‌تر است. SSD می‌تواند برای سرویس‌های حساس به تأخیر مناسب باشد. بااین‌حال، انتخاب نهایی باید بر اساس رابط اتصال، دوام نوشتن، سازگاری با سرور و بودجه انجام شود. برای تجهیزات کارکرده نیز بررسی سلامت، سابقه مصرف و شرایط ضمانت اهمیت دارد. استفاده از RAID در برخی پیکربندی‌ها به تحمل خرابی دیسک کمک می‌کند، اما جایگزین پشتیبان‌گیری نیست. حذف اشتباه فایل‌ها، خرابی نرم‌افزاری و آلودگی به باج‌افزار همچنان می‌توانند اطلاعات را تحت تأثیر قرار دهند.

برای هوش مصنوعی، سازگاری GPU را بررسی کنید

در پروژه‌هایی که به پردازنده گرافیکی نیاز دارند، انتخاب کارت باید با بررسی کل سرور همراه باشد. فضای شاسی، اتصال مناسب، ظرفیت منبع تغذیه، خنک‌سازی و پشتیبانی نرم‌افزاری باید پیش از خرید مشخص شوند. حافظه اختصاصی GPU نیز در انتخاب اهمیت دارد؛ زیرا مدل و داده‌های مورد استفاده باید در منابع قابل دسترس جای بگیرند. مناسب بودن یک کارت گرافیک برای یک پروژه، لزوماً به معنی مناسب بودن آن برای تمام کاربردهای هوش مصنوعی نیست. در صورت امکان، اجرای آزمایشی بخشی از بار کاری واقعی می‌تواند تصویر روشن‌تری از عملکرد تجهیزات ارائه دهد. این بررسی به تصمیم‌گیری درباره سرعت، ظرفیت و هزینه کمک می‌کند.

امنیت سرور به سخت‌افزار محدود نمی‌شود

امنیت زیرساخت به نحوه راه‌اندازی و مدیریت آن وابسته است. تجهیزات مناسب نیز در صورت تنظیمات نادرست، دسترسی‌های بیش‌ازحد یا نگهداری ضعیف ممکن است در معرض مشکل قرار بگیرند. هر کاربر باید فقط به اطلاعات و خدمات موردنیاز وظایف خود دسترسی داشته باشد. حساب‌های مدیریتی باید محدود و قابل پیگیری باشند و دسترسی به ابزارهای مدیریت سرور نیز از مسیرهای کنترل‌شده انجام شود. به‌روزرسانی‌های سازگار، ثبت رویدادها و بررسی فعالیت‌های غیرعادی، بخش دیگری از نگهداری زیرساخت هستند. برای ابزارهای هوش مصنوعی نیز باید مشخص باشد داده‌های سازمان کجا پردازش می‌شوند، چه کسانی به آن‌ها دسترسی دارند و چه مدت نگهداری خواهند شد.

ظرفیت شبکه را همراه با سرور ارزیابی کنید

گاهی کندی سرویس‌ها از محدودیت ارتباط شبکه ناشی می‌شود. در چنین شرایطی، افزایش رم یا ارتقای پردازنده ممکن است مشکل اصلی را برطرف نکند. سرعت کارت شبکه، ظرفیت سوئیچ‌ها، کیفیت کابل‌کشی و حجم انتقال اطلاعات باید با نیاز سرویس‌ها هماهنگ باشند. این موضوع در انتقال فایل‌های بزرگ، پشتیبان‌گیری و جابه‌جایی داده‌های مربوط به تحلیل و هوش مصنوعی اهمیت بیشتری دارد. بهتر است پیش از خرید، مسیر انتقال داده از سرور تا کاربران و تجهیزات ذخیره‌سازی بررسی شود. این کار کمک می‌کند محدودیت‌های احتمالی در طراحی زیرساخت دیده شوند.

برق و خنک‌سازی بخشی از انتخاب تجهیزات هستند

محل نصب سرور باید فضای مناسب، تهویه کافی و برق متناسب با تجهیزات داشته باشد. افزایش توان پردازشی، به‌ویژه با اضافه شدن GPU، می‌تواند نیاز به برق و دفع گرما را بیشتر کند. تجهیزاتی مانند UPS و منابع تغذیه افزونه، در صورت طراحی و اتصال مناسب، می‌توانند به کاهش برخی اختلالات برق کمک کنند. بااین‌حال، تداوم خدمت به وضعیت کل زیرساخت وابسته است و تنها با اضافه کردن یک قطعه تضمین نمی‌شود. فضای رک، دسترسی برای تعمیرات و شرایط محیطی باید پیش از انتخاب نهایی بررسی شوند تا راه‌اندازی تجهیزات با محدودیت پیش‌بینی‌نشده مواجه نشود.

پشتیبان‌گیری را با آزمایش بازیابی همراه کنید

برنامه پشتیبان‌گیری باید مشخص کند چه اطلاعاتی، با چه فاصله زمانی و در چه محلی ذخیره می‌شوند. همچنین لازم است مسئول بررسی نتیجه عملیات و رسیدگی به خطاها روشن باشد. سازمان باید بداند در صورت بروز مشکل، چه مقدار از اطلاعات اخیر را می‌تواند از دست بدهد و خدمات در چه زمانی باید بازیابی شوند. پاسخ این دو پرسش بر انتخاب روش پشتیبان‌گیری و منابع موردنیاز اثر می‌گذارد. وجود نسخه پشتیبان به‌تنهایی کافی نیست. آزمایش دوره‌ای بازیابی کمک می‌کند مشخص شود نسخه‌ها قابل استفاده هستند و فرایند بازگرداندن اطلاعات در عمل چگونه انجام خواهد شد.

هنگام مقایسه قیمت، مشخصات کامل را ببینید

قیمت دو سرور زمانی قابل مقایسه است که پیکربندی و خدمات همراه آن‌ها روشن باشد. تفاوت در مدل پردازنده، آرایش رم، نوع دیسک‌ها، کنترلر ذخیره‌سازی، کارت شبکه و شرایط ضمانت می‌تواند اختلاف قیمت ایجاد کند. هزینه واقعی زیرساخت نیز فراتر از مبلغ خرید دستگاه است. راه‌اندازی، مجوز نرم‌افزارها، برق، نگهداری و پشتیبان‌گیری باید در بودجه لحاظ شوند. پیش‌فاکتور دقیق باید مشخصات قطعات، وضعیت نو یا کارکرده بودن تجهیزات و شرایط پشتیبانی را بیان کند. توضیح‌های کلی مانند «مناسب شبکه» یا «مناسب هوش مصنوعی» بدون تعیین بار کاری، برای تصمیم‌گیری کافی نیستند.

چرا سرورهای HPE در شرکت‌ها زیاد استفاده می‌شوند؟

در بازار سرورهای سازمانی برندهای مختلفی وجود دارند، اما خانواده HPE ProLiant سال‌هاست در بسیاری از شرکت‌ها و دیتاسنترها مورد استفاده قرار می‌گیرد. یکی از مهم‌ترین دلایل این موضوع تنوع بالای کانفیگ است. یک سرور HPE را می‌توان متناسب با نوع پروژه از نظر CPU، RAM، Storage، RAID Controller و Network Adapter کانفیگ کرد. برای مثال یک File Server الزاماً به همان سخت‌افزاری نیاز ندارد که برای Virtualization یا Database استفاده می‌شود. اگر قصد بررسی مدل‌ها و کانفیگ‌های مختلف سرور اچ پی را دارید، بهتر است قبل از خرید نوع Workload، تعداد کاربران و ظرفیت توسعه آینده را مشخص کنید.

پیش از تحویل سرور چه مواردی بررسی شوند؟

معیارهای پذیرش تجهیزات بهتر است پیش از نهایی شدن خرید مشخص شوند. تطبیق قطعات با پیش‌فاکتور، بررسی سلامت سخت‌افزار، کنترل هشدارها و آزمایش سرویس‌های موردنیاز می‌توانند بخشی از فرایند تحویل باشند. برای خدمات شبکه، بررسی نباید فقط به روشن شدن دستگاه محدود شود. اجرای نرم‌افزارها و ارزیابی رفتار آن‌ها در شرایط نزدیک به استفاده روزمره، اطلاعات مفیدتری ارائه می‌دهد. همچنین مسئولیت نصب، تنظیمات، نگهداری و پشتیبانی باید روشن باشد تا سازمان پس از تحویل، مسیر مشخصی برای رسیدگی به مشکلات داشته باشد.

چک‌لیست انتخاب زیرساخت سازمانی

پیش از تصمیم نهایی، پاسخ این پرسش‌ها را مشخص کنید:

• چه نرم‌افزارها و سرویس‌هایی روی سرور اجرا خواهند شد؟
• تعداد کاربران هم‌زمان و حجم اطلاعات چقدر است؟
• پردازش هوش مصنوعی داخل سازمان انجام می‌شود یا از سرویس بیرونی استفاده خواهد شد؟
• نیاز به CPU، GPU، رم و ذخیره‌سازی چگونه برآورد شده است؟
• زیرساخت شبکه، برق و خنک‌سازی چه محدودیت‌هایی دارد؟
• چه برنامه‌ای برای امنیت، پشتیبان‌گیری و بازیابی وجود دارد؟
• توسعه آینده و مسئولیت پشتیبانی چگونه تعریف شده‌اند؟

انتخاب سرور مناسب، نتیجه شناخت نیازهای سازمان و هماهنگ کردن اجزای زیرساخت با آن‌هاست. بررسی دقیق پیش از خرید و ارزیابی عملکرد پس از راه‌اندازی، به کسب‌وکار کمک می‌کند منابع خود را هدفمند مصرف کند و برای توسعه خدمات شبکه و هوش مصنوعی آمادگی بیشتری داشته باشد.

۷ اشتباه رایج در انتخاب سرور سازمانی

۷ اشتباه رایج در انتخاب سرور سازمانی؛ از نیازسنجی تا برنامه توسعه

وقتی یک کسب‌وکار برای تهیه سرور اقدام می‌کند، معمولاً نام مدل، ظرفیت رم و قیمت دستگاه اولین موضوعات بحث هستند. اما پیش از مقایسه تجهیزات، باید روشن شود چه مسئله‌ای قرار است با این خرید حل شود. کندی برنامه‌ها، افزایش حجم اطلاعات یا نیاز به دسترسی مشترک، الزاماً راه‌حل یکسانی ندارند.

انتخاب درست از تعریف نیاز شروع می‌شود و با بررسی هزینه نگهداری، قابلیت توسعه و روش حفاظت از داده‌ها ادامه پیدا می‌کند. در این مسیر، شناخت چند اشتباه رایج کمک می‌کند تصمیم نهایی به شرایط واقعی سازمان نزدیک‌تر باشد.

۱. خرید تجهیزات پیش از بررسی علت کندی

کند شدن یک نرم‌افزار لزوماً به معنای ضعیف بودن پردازنده نیست. محدودیت حافظه، عملکرد ذخیره‌سازی، تنظیمات برنامه یا ارتباط شبکه نیز می‌توانند در این مشکل نقش داشته باشند. اگر علت اصلی مشخص نشده باشد، خرید دستگاه جدید ممکن است هزینه ایجاد کند، بدون اینکه مشکل به‌طور کامل برطرف شود.

بهتر است زمان‌های بروز کندی، تعداد کاربران فعال و وضعیت مصرف منابع ثبت شود. این اطلاعات به تیم فنی کمک می‌کند مشخص کند کدام بخش نیاز به اصلاح یا ارتقا دارد.

۲. انتخاب کانفیگ فقط بر اساس تعداد کارکنان

دو شرکت با تعداد کارکنان یکسان، ممکن است نیازهای متفاوتی داشته باشند. در یک مجموعه، بیشتر کاربران با فایل‌های اداری کار می‌کنند؛ در مجموعه دیگر، گزارش‌های سنگین و عملیات پایگاه داده به‌طور هم‌زمان اجرا می‌شوند.

برای نیازسنجی، فهرست سرویس‌ها، تعداد کاربران هم‌زمان و ساعات اوج فعالیت را بنویسید. سپس الزامات نرم‌افزارها را بررسی کنید تا انتخاب پردازنده، رم و ذخیره‌سازی بر پایه بار کاری انجام شود.

برای آشنایی با معیارهای عمومی انتخاب تجهیزات، می‌توانید مطلب راهنمای انتخاب زیرساخت و خرید سرور اچ پی در اطلاعات آنلاین را نیز مطالعه کنید. این مطلب، منبعی تکمیلی برای بررسی انتخاب سرور و قطعات متناسب با نیاز کسب‌وکار است.

۳. مقایسه قیمت بدون یکسان‌سازی مشخصات

نام یکسان مدل، به معنای یکسان بودن تجهیزات داخل دستگاه نیست. تفاوت پردازنده، تعداد ماژول‌های حافظه، نوع درایوها و قطعات همراه می‌تواند مقایسه دو پیشنهاد را تغییر دهد.

قبل از تصمیم‌گیری، یک جدول مشترک برای پیشنهادها تهیه کنید و مشخصات هر دستگاه را در آن بنویسید. وضعیت کالا، شرایط ضمانت، تجهیزات نصب و خدمات راه‌اندازی نیز باید روشن باشند. مقایسه قیمت زمانی مفید است که بدانید دقیقاً چه چیزی دریافت می‌کنید.

۴. نادیده گرفتن هزینه‌های بعد از خرید

هزینه زیرساخت با پرداخت مبلغ سرور پایان نمی‌یابد. آماده‌سازی محل نصب، تجهیزات برق، خنک‌سازی، لایسنس نرم‌افزارها، پشتیبان‌گیری و نگهداری نیز بخشی از هزینه واقعی هستند.

در بودجه اولیه، هزینه خرید را از هزینه راه‌اندازی و بهره‌برداری جدا کنید. این کار کمک می‌کند انتخابی که در ابتدا ارزان به نظر می‌رسد، پس از نصب با هزینه‌های پیش‌بینی‌نشده همراه نشود.

۵. خرید ظرفیت اضافه بدون برنامه مشخص

در نظر گرفتن رشد آینده مهم است، اما پیش‌بینی توسعه باید بر پایه برنامه سازمان باشد. خرید منابع زیاد برای احتمالی نامشخص، می‌تواند بودجه موردنیاز بخش‌های دیگر را محدود کند.

به‌جای انتخاب صرفاً بزرگ‌ترین کانفیگ، امکان ارتقا را بررسی کنید: آیا جایگاه درایو و اسلات حافظه کافی وجود دارد؟ چه قطعاتی با دستگاه سازگارند؟ آیا ارتقا نیازمند تعویض قطعات فعلی است؟ پاسخ به این پرسش‌ها مسیر توسعه را روشن‌تر می‌کند.

۶. موکول کردن بکاپ به بعد از راه‌اندازی

پشتیبان‌گیری باید پیش از انتقال اطلاعات مهم طراحی شود. داشتن چند درایو یا استفاده از RAID، به‌تنهایی پاسخگوی حذف اشتباه فایل‌ها، آلودگی نرم‌افزاری یا از دست رفتن کل دستگاه نیست.

مشخص کنید چه اطلاعاتی باید ذخیره شوند، نسخه‌ها کجا نگهداری شوند و چه کسی مسئول بررسی آنهاست. امکان بازیابی را نیز آزمایش کنید؛ وجود فایل بکاپ بدون اطمینان از بازیابی، کافی نیست.

۷. نداشتن معیار پذیرش و تحویل

پیش از تحویل تجهیزات، مشخص کنید چه بررسی‌هایی باید انجام شوند. تطبیق قطعات با پیش‌فاکتور، بررسی هشدارهای سخت‌افزاری، اجرای سرویس‌های موردنیاز و ثبت تنظیمات، می‌توانند بخشی از فرایند تحویل باشند.

همچنین مسئولیت نصب، انتقال داده، پشتیبانی و رسیدگی به مشکلات را روشن کنید. بهتر است مدارک تجهیزات و اطلاعات دسترسی مدیریتی به‌صورت امن در اختیار مسئول مربوط در سازمان قرار گیرند.

چک‌لیست کوتاه پیش از تصمیم نهایی

• مسئله اصلی و هدف خرید مشخص شده است.

• بار کاری و کاربران هم‌زمان بررسی شده‌اند.

• پیشنهادها با مشخصات کامل مقایسه شده‌اند.

• هزینه راه‌اندازی و نگهداری در بودجه آمده است.

• مسیر ارتقا و سازگاری قطعات روشن است.

• بکاپ و آزمون بازیابی برنامه‌ریزی شده‌اند.

• معیارهای تحویل و مسئولیت پشتیبانی مشخص هستند.

انتخاب سرور سازمانی، زمانی قابل دفاع است که بتوان ارتباط میان نیاز کسب‌وکار و تجهیزات پیشنهادی را توضیح داد. بررسی این موارد پیش از سفارش، تصمیم را شفاف‌تر می‌کند و زمینه بهره‌برداری منظم‌تر از زیرساخت را فراهم می‌سازد.