1.智算中心裸金属服务器与网络运维实战---硬件架构、组网实操与基础环境.pdf
这份文档是《智算中心裸金属服务器与网络运维实战培训》的上午场培训课件，旨在培养智算中心运维工程师、SRE及网络工程师掌握硬件管理、双网络配置、AI环境初始化及内网模型部署的完整运维能力链。
培训内容涵盖四个核心模块：
一、 华鲲 AT3500 G3 硬件深度解析（模块一）
介绍了AT3500 G3的硬件架构，核心采用4颗鲲鹏920 CPU（通用控制）与8颗昇腾910B NPU（矩阵计算）的异构设计。强调了BMC管理、硬件巡检（如内存ECC、磁盘SMART、NPU健康状态）的重要性，并规范了服务器上下电SOP、光模块维护及静电防护要求，以应对过热降频、SSD坏块等常见故障。
二、 业务面网络配置（模块二）
阐述了管理网（SSH/BMC）、业务网（API）与计算网（RoCE）三网隔离的网络设计原则。重点讲解了中兴S960X交换机的CLI配置实战，包括VLAN划分、LACP链路聚合，以及利用ping、mtr、tcpdump等工具进行多层网络排障。强调了两端光模块匹配与协商一致的重要性。
三、 计算面 RoCE 网络配置（模块三）
深入讲解了华为CE9860交换机承载的RoCE v2无损网络技术，阐述了PFC（优先级流控）、ECN（显式拥塞通知）和DCB（优先级映射）三大核心机制的协同工作原理，以实现零丢包和低延迟（<5μs）。提供了具体的配置实战步骤及性能验证方法（ib_write_bw/ib_read_lat），强调了PFC与ECN必须同时配置的重要性，防止PFC风暴导致的性能损耗。
四、 操作系统与 AI 环境初始化（模块四）
介绍了基于openEuler 22.03 LTS的操作系统安装与Cloud-Init自动化配置，强调了SSH的安全加固（五层防护）。重点讲解了在不联网环境下部署开源模型（如Qwen2-7B）的全流程：严格匹配CANN与MindSpore版本，通过npu-smi工具监控健康状态，使用离线包进行Python依赖安装，执行权重迁移及格式转换（HuggingFace转MindSpore），并利用MindIE完成推理服务部署。
培训通过“理论讲解+案例剖析+命令实操”的模式，提供了详尽的运维 checklists、配置模板及排障思路，确保运维人员能够构建稳定、高效的智算基础设施。
相关报告
-
16.31 MB 112页 DeepSeek Harness 全景白皮书：从0到1详细拆解与实战教程.pdf
-
3.01 MB 29页 SpaceX商业帝国：运力、网络与算力-华创证券-202605.pdf
-
10.77 MB 52页 全球灯塔网络：驱动数字化转型实现影响力与规模化的思维转变.pdf
-
5.39 MB 98页 亚太区智算中心液冷应用现状与技术演进白皮书-中国电信&深知社-2024-98页.pdf
-
4.5 MB 12页 人工智能在运维中的实践.PDF
-
3.43 MB 44页 2020品牌零售行业智能用户运营实战手册-易观-20204.pdf
-
1.55 MB 60页 2.午场-远程运维体系、模型故障排查与应急.pdf
-
4.77 MB 99页 2025中国人工智能学会系列白皮书航天器智能精准运维202507.pdf
-
11.25 MB 124页 2026人工智能高质量数据集建设与应用实践白皮书.pdf
-
13.81 MB 72页 人人都会VibeCoding—面向普通人 开发者的科普与实用指南-模智空间-202609.pdf
-
5.49 MB 64页 2026增长新引擎雇主品牌如何赋能企业穿越周期与战略转型报告-HR智享会(1).pdf
-
10.53 MB 81页 面向智能互联的网络技术与实践报告V2.0.pdf
-
7.55 MB 68页 2026智启新纪元：产业AI融合的范式跃迁与最佳实践白皮书-毕马威-202608.pdf
-
28.79 MB 87页 2026淘宝天猫运动户外行业秋冬鞋服趋势白皮书-智篆GI(1).pdf
-
12.51 MB 140页 2026生成式人工智能与OpenClaw智能体实践报告.pdf