-
INFO@NOAVARANDATA.COM
به زبان ساده، سرور محاسباتی (Compute Server) نوعی سرور است که برای انجام حجم بالایی از محاسبات عددی یا علمی طراحی شده است. برخلاف سرورهای ذخیرهسازی (Storage Servers) که وظیفهی اصلی آنها نگهداری داده است، سرور محاسباتی تمرکز خود را بر قدرت پردازش (Processing Power) قرار میدهد.
این سرورها معمولاً به پردازندههای چندهستهای (Multi-Core CPU) و گاه چندین کارت گرافیک (GPU) مجهز میشوند تا بتوانند عملیات سنگینی مانند شبیهسازیهای مهندسی، مدلسازی سهبعدی، آموزش شبکههای عصبی یا تحلیلهای کلانداده را در زمان کوتاه انجام دهند.
از دید فنی، یک سرور محاسباتی معمولاً دارای ویژگیهای زیر است:
به بیان دیگر، سرور محاسباتی همان چیزی است که در قلب یک کلاستر HPC (High Performance Computing) یا مرکز دادهی تحقیقاتی قرار دارد. گاهی این سرورها بهصورت مستقل عمل میکنند، و گاهی بهصورت مجموعهای از صدها یا هزاران نود بههم متصل، که با همکاری یکدیگر پروژههای عظیم محاسباتی را اجرا میکنند، از شبیهسازی آبوهوا گرفته تا طراحی موتورهای هواپیما یا آموزش مدلهای زبانی بزرگ.
همانطور که در بخش قبل گفتیم، سرور محاسباتی تنها یک نوع خاص از سرور نیست، بلکه خانوادهای از سیستمهای قدرتمند است که بر اساس نوع بار کاری (Workload) و میزان توان پردازش، به چند دستهی اصلی تقسیم میشود.
در ادامه، با انواع مهمترین مدلهای سرور محاسباتی آشنا میشویم و کاربرد هر کدام را با مثال بررسی میکنیم.
اصطلاح سرور HPC یا «رایانش با کارایی بالا» به مجموعهای از سرورها گفته میشود که در قالب یک کلاستر محاسباتی با یکدیگر کار میکنند تا وظایف بسیار سنگین را بین چند نود (Node) تقسیم کنند.
در واقع، به جای یک سیستم بسیار بزرگ، صدها سرور کوچکتر در کنار هم قرار میگیرند و با همکاری، همان حجم محاسبه را انجام میدهند.
ویژگیها:
پردازندههای چندسوکته (۲ تا ۴ CPU در هر نود)
حافظه رم بسیار زیاد (از 256GB تا چند ترابایت)
شبکه پرسرعت InfiniBand یا Ethernet با تأخیر بسیار پایین
نرمافزارهای مدیریت بار کاری مانند Slurm یا PBS
کاربردها:
تحقیقات علمی، شبیهسازی آبوهوا، تحلیل دادههای ژنتیکی، رندرینگهای انیمیشن، مدلسازی سهبعدی صنعتی، و آموزش مدلهای یادگیری عمیق.
به بیان ساده، اگر بخواهیم بدانیم سرور محاسباتی چیست در بالاترین سطح عملکرد، پاسخ همان کلاستر HPC است، جایی که قدرت پردازش به صدها یا هزاران ترافلاپس میرسد.
نوع دیگر از سرورهای محاسباتی، GPU Server است. در این سرورها، تمرکز اصلی بر استفاده از کارتهای گرافیک حرفهای مانند NVIDIA Tesla, A100, L40 یا AMD Instinct برای انجام محاسبات موازی است.
تفاوت اصلی با سرور CPU-based:
CPUها برای پردازشهای ترتیبی (Sequential) مناسباند، در حالی که GPUها میتوانند هزاران وظیفه را همزمان انجام دهند. این ویژگی باعث میشود سرور GPU برای آموزش مدلهای هوش مصنوعی، رندرینگ سهبعدی و محاسبات علمی فوقالعاده مؤثر باشد.
پیکربندی معمول:
۲ پردازنده Xeon یا EPYC
۴ تا ۸ کارت GPU (مثلاً NVIDIA A100 یا L40)
حافظه ECC DDR4/DDR5 تا 2TB
ذخیرهسازی NVMe SSD برای سرعت ورودی/خروجی بالا
کاربردها:
هوش مصنوعی (AI Training, Inference)، بینایی ماشین، شبیهسازیهای فیزیکی، و پردازش تصویر.
در واقع، اگر بخواهیم به شکل کاربردی بگوییم سرور محاسباتی چیست برای دنیای هوش مصنوعی، پاسخ آن یک GPU Server است؛ چون تمام مدلهای بزرگ امروزی (مانند GPT، Stable Diffusion و BERT) روی همین نوع سرورها آموزش داده میشوند.
این سرورها همان مدلهای کلاسیک هستند که در بسیاری از مراکز داده (Data Center) استفاده میشوند. در آنها تمرکز روی تعداد بالای هستههای پردازنده، فرکانس کاری بالا و توان پردازش ترتیبی است.
ویژگیها:
پردازندههای Xeon Scalable یا AMD EPYC
حافظه ECC با ظرفیت متوسط تا بالا (128–512GB)
ذخیرهسازی SAS یا NVMe SSD
قابلیت مجازیسازی (Virtualization) برای اجرای چند ماشین مجازی
کاربردها:
محاسبات آماری، تحلیل داده، پایگاهدادههای سنگین، و برنامههای شرکتی.
گرچه این نوع، سادهترین شکل از سرور محاسباتی است، اما در پروژههای تجاری و سازمانی نقش حیاتی دارد، زیرا بسیاری از نرمافزارهای Enterprise هنوز مبتنی بر CPU هستند.
در سالهای اخیر، مفهوم Edge Computing رشد زیادی داشته است.
در این مدل، سرور محاسباتی نه در دیتاسنتر، بلکه نزدیک به محل تولید داده (مثلاً کارخانه یا شعبه سازمان) قرار میگیرد تا تاخیر شبکه کاهش پیدا کند و تصمیمگیریها سریعتر انجام شوند.
ویژگیها:
ابعاد کوچکتر و طراحی مقاوم در برابر شرایط محیطی
مصرف انرژی پایینتر
قابلیت اتصال به سنسورها و تجهیزات IoT
کاربردها:
پردازش تصویر در دوربینهای صنعتی، تحلیل دادههای تولیدی، اتوماسیون خطوط تولید، و کنترل بلادرنگ (Real-time Control).
Edge Serverها در واقع شکل فشردهتری از سرورهای محاسباتی هستند که توانایی اجرای الگوریتمهای هوش مصنوعی یا تحلیل داده را در محل فراهم میکنند.
امروزه بسیاری از سازمانها بهجای خرید سختافزار، از سرویسهای Cloud Compute مانند AWS EC2، Google Cloud Compute Engine یا Azure Virtual Machines استفاده میکنند.
در این حالت، کاربر از طریق اینترنت به سرورهای محاسباتی اشتراکی دسترسی دارد.
مزایا:
عدم نیاز به سرمایهگذاری اولیه
مقیاسپذیری سریع
پرداخت بر اساس استفاده (Pay-as-you-go)
معایب:
هزینه بالا در استفاده بلندمدت
محدودیت در کنترل سختافزار
مسائل امنیتی و انتقال داده
در نتیجه، اگرچه سرورهای ابری دسترسی سادهای به توان محاسباتی بالا میدهند، اما برای پروژههای بلندمدت یا حساس، همچنان سرورهای فیزیکی (On-premise Compute Servers) ترجیح داده میشوند.
سرور محاسباتی بسته به نوع نیاز میتواند از یک سیستم تکنودی ساده تا یک کلاستر عظیم با هزاران GPU باشد. انتخاب میان HPC، GPU، CPU، Edge یا Cloud Compute کاملاً به نوع بار کاری، بودجه و سطح کنترل موردنیاز شما بستگی دارد.
اگر بخواهیم به زبان ساده بدانیم سرور محاسباتی چیست و چه چیزی آن را از یک سرور معمولی متمایز میکند، پاسخ در قطعات سختافزاری آن نهفته است. یک Compute Server برای آن طراحی شده که بیشترین توان پردازش را در کوچکترین زمان ممکن ارائه دهد. این هدف بدون انتخاب دقیق CPU، GPU، حافظه، ذخیرهسازی و شبکه ممکن نیست.
در ادامه، این اجزا را بهصورت تخصصی بررسی میکنیم:
CPU یا واحد پردازش مرکزی، مهمترین قطعه در هر سرور محاسباتی است. وظیفهی آن مدیریت و اجرای دستورات اصلی سیستمعامل و نرمافزارهای محاسباتی است.
ویژگیهای کلیدی یک CPU مناسب برای Compute Server:
در سرورهای حرفهای، معمولاً از پردازندههای Intel Xeon Scalable یا AMD EPYC Genoa استفاده میشود. برای مثال، سرور HPE ProLiant DL385 Gen11 با دو پردازنده EPYC 9004 تا بیش از 192 هسته فیزیکی را در یک سیستم ارائه میدهد — قدرتی که برای تحلیلهای علمی یا شبیهسازیهای CFD حیاتی است.
در محیطهای HPC (High Performance Computing)، اغلب تمرکز روی تعداد هسته و پشتیبانی از AVX-512 برای انجام عملیات برداری (Vector Operations) است. اما در پردازشهای دیتابیسی، فرکانس بالا مهمتر است.
نوآوران دیتا عرضه کننده تجهیزات شبکه در ایران
