计算化学公社

标题: 服务器两块CPU，运行任务，总是有1个比另外1个热 [打印本页]

作者
Author: shifan 时间: 2023-10-24 18:33
标题: 服务器两块CPU，运行任务，总是有1个比另外1个热
请教一下，我们有一台 Dell服务器，装了两块 CPU，运行GROMACS，其中一个CPU的温度总是比另外1个高。

我之后想排查到底是散热的问题、还是CPU 和主板的问题。

1、我先调换了两个CPU塔（散热）的位置，风扇正常转，散热互不影响，运行任务，靠近电源线的CPU热。
2、调换了两块CPU的位置，风扇正常转，但是鼠标、键盘不通电，无法远程操作，所以这次没法运行任务，但是我一开机，靠近电源线的CPU就开始热。（有可能是我没有把CPU装好）

我之后会再重新调换一下CPU试试能不能正常开机，再提交一下任务看看，如果还是靠近电源线的CPU 热，那就是主板的问题。

运行GROMACS，其中一个CPU的温度总是比另外1个高，请问大家这种情况最有可能是什么问题导致的或者还有什么检测的方法，能测出来是主板问题还是CPU问题？？？

作者
Author: shifan 时间: 2023-10-25 10:36
标题: 服务器两块CPU，运行任务，总是有1个比另外1个热
请教一下，我们有一台 Dell服务器（型号：G4GM6H2），装了两块 CPU（CPU型号：Intel(R) Xeon(R) CPU E5-4669 v4 @ 2.20GHz)，
运行GROMACS，其中一个CPU的温度总是比另外1个高（如下图，红色圈是温度更高的CPU）。

(, 下载次数 Times of downloads: 28)

我用两种方式去检测温度：
1、手摸
2、安装了 lm_sensors，用命令 sensors 去看

我之后想排查到底是散热的问题、还是CPU 和主板的问题。

1、我先调换了两个CPU塔（散热）的位置，风扇正常转，满核运行任务，靠近电源线的CPU更热（就是上图的红圈）。
sensors查看温度，显示 CPU1（80左右）比 CPU0（65左右）高15度，用手摸是红色圈的 CPU 更热。
所以我认为左边的CPU 是 0，红色圈的 CPU 是 1。
另外我之后还尝试了只用 6 个核运行任务，平均分配到每个CPU 就是 3个核，红色圈位置的CPU 依旧更热。

2、调换了两块CPU的位置，风扇正常转，满核运行任务，依旧是靠近电源线的CPU更热。
sensors查看温度，显示 CPU1（80左右）比 CPU0（60左右）高 20 度，用手摸是红色圈的 CPU 更热。
但是我不确定CPU编号是不是按照CPU卡槽编的，我认为是按照 CPU 卡槽编的，因为 sensors 查看和手摸都是红色圈位置的 CPU 热，
如果不是按照CPU卡槽编的，那么应该是左边的 CPU 热。

我们目前的推论是主板有问题，因为不管CPU 是否调换位置，总是固定的红色圈位置温度更高。

根据以上情况，想知道以下几个问题：

1、主板坏的概率有多大（主板较贵，但是主板确实有问题的话，我们还是要换的）？
2、CPU 是否有问题？
3、满核运行，红色圈的CPU 达到80度左右，没有满核运行时，红色圈的CPU 就达到了 70 度，这个温度是正常的吗？
4、看其他帖子，有说可以改一下系统 BIOS，两个CPU 温度就一致了，这个可行吗？
5、能不能改造一下，例如冷凝管一类的，让 CPU 散热更快，但是dell 经销商说没法改善散热性能了。

作者
Author: lmch 时间: 2023-10-25 12:03
机箱风道目测前进后出，cpu1吃cpu0尾气，自然热，勤换硅脂吧

作者
Author: shifan 时间: 2023-10-25 15:09
我们1个月前刚涂完硅胶，我拆的时候看了，还有硅胶

作者
Author: tiandikuoyuan 时间: 2023-10-25 15:11
如果温度最高只到80的话不算高；你可以用Gaussian指定使用哪个核心进行计算，看下CPU1单独运行的时候温度怎么样

作者
Author: shifan 时间: 2023-10-25 15:22

tiandikuoyuan 发表于 2023-10-25 15:11
如果温度最高只到80的话不算高；你可以用Gaussian指定使用哪个核心进行计算，看下CPU1单独运行的时候温度怎 ...

好的，我们之前测过 gromacs，只把红圈的CPU核占满，温度最高就 80 左右

作者
Author: shifan 时间: 2023-10-25 15:29
想问下，如果一直满核运行 gromacs，这个温度还会再升高吗？会导致机器自动关机吗？
我之前用了40个核（我们两个 cpu 总共44个核），跑了3天左右的 gromacs，我输入 nvidia-smi，
出现 unable to determine the device handle for GPU0000：03：00.0：Unkown Error
我跑过去看了机器，当时整个机器感觉都冒着热气，红圈那个CPU 尤其热，我把电脑关机，又重新开机后，又能显示
nvidia-smi 了，请问这个原因是温度太高导致的吗

作者
Author: chrinide 时间: 2023-10-26 18:55
服务器硬件里面最容易坏的第一内存条，第二就是主板；在我有限的硬件经历里，主板坏的几率非常高，几乎不亚于内存，最近十年的主板坏的几率越来越高，可能和CPU和GPU现在的平均工作温度越来越高有关，主板的温度也是越来越高

作者
Author: Graphite 时间: 2023-10-26 21:59
风扇靠近CPU0，CPU1的风扇吃CPU0吹出来的热气，当然换热效率低，使CPU1更易积热。正常的，无需担心。
而且，满载就80度，热啥，放心大胆用。

除非你换张交错放置CPU的主板，不过那也没啥意义。

欢迎光临计算化学公社 (http://bbs.keinsci.com/)