。
固定阀位组经历的八小时进风温度曲线会被完整记录,两天后按同样顺序复现。
供水初温、支路压力、任务初始检查点和储能荷电状态都要回到同一窗口。
否则一边赶上凉快天气,一边碰上热风,再漂亮的结果也只配拿去哄自己。
五月十九日上午七点三十分,固定阀位组启动。
为了压住NodE-d,集群负载限制在百分之六十四。
八小时后,任务队列完成百分之六十三点七。
无板卡过温,换热器的平均能力只用了百分之六十七。
【固定阀位模式】
【集群安全持续负载:64%】
【任务队列完成率:63.7%】
【触发过温保护:0】
【自动旁路接管与任务联动:关闭】
【末端换热能力使用率:67%】
测试结束,服务器停机,循环泵继续运转。
等冷板、软管和缓冲罐里滞留的热量全部回落,储能重新补至百分之九十三,任务队列恢复到同一初始检查点。
两天后的上午八点,第二阶段开始。
S-therlFabric接管集群。
二十七张170hx重新建立影子窗口。
同一批矩阵分块、模型推理、代码索引和证明依赖图进入队列。
【稳定可计算hb约1tib】
【目标持续时间:8h】
【允许过温保护:0】
【允许丢失检查点:0】
基础矩阵块、模型权重和索引文件已经在备用节点建立只读影子映射。
S-checkpoint只保存当前分块的增量状态。
故障发生时,真正需要搬走的只剩上一个检查点之后的变化,而非NodE-b整组显存。
第一小时,集群It负载稳定在九点八千瓦附近。
四条支路各跑各的流量。
NodE-A承担持续矩阵计算,冷却流量最高。
NodE-c以短时模型任务为主,热峰交给缓冲罐;NodE-d内部板卡差异最大,账上始终留着更厚的安全余量。
第二小时,复现进风曲线进入升温段。
末端换热效率下降。
系统延后两组低优先级任务十七分钟,等第一只缓冲罐恢复,再把它们放回队列。
十二台风机没被粗暴地同时拉满。
第三小时,一只流量传感器的读数无故向下漂了八个百分点。
EvidenceGate核对供回水压差、泵速和阀位反馈,三项数据都不支持支路流量真的下降。
漂移传感器被降为低置信度来源,控制器继续执行原计划。
第五小时十二分,江临走到主回路旁,握住NodE-b主回水通路的切断阀。
前面七十六组故障测试里,这个动作做过很多次。
最终验证只认这一次。
阀门落到底。
第二支路流量迅速归零。
【bRANch-b主路:流量丢失】
【疑似故障:等待压力/流量双证据】
【冻结新任务下发】
【发起当前检查点写入】
NodE-b上的八张卡仍在运行。冷板和支路内残留的冷却液给了它们一小段热惯性窗口,按当前负载算,撑不过两分钟。
第六秒,当前分块结束。
供回水压差同时越过故障确认阈值。
【故障确认:压力/流量双证据】
【启动NodE-b备用旁路】
第九秒,检查点写入完成。
第十一秒,NodE-A与NodE-d收到预迁移计划。
两组节点都没有立即接收迁移负载。
NodE-b备用旁路开始建立回水能力。
循环泵同步提速,NodE-A与NodE-d两条迁移目标支路提前增流,分别建立新的水力状态。
【NodE-A:等待cooLING_REAdY】
【NodE-d:等待cooLING_REAdY】
第十八秒,NodE-d入口流量达到计划值。
第二十一秒,NodE-A压差稳定。
第二十三秒,两组状态转绿。
【cooLING_REAdY】
迁移开始。
剩余运行时间最长的矩阵分块最先转移,随后是模型推理。日志索引冻结在检查点,证明依赖图扫描降到最低优先级。
NodE-b负载迅速下降,板卡热点温度还在凭惯性往上走。
七十三摄氏度。
七十四点二摄氏度。
七十五点一摄氏度。
稳态温度线已经越过,距离故障瞬态上限只剩零点九摄氏度。
第四十六秒,备用旁路完成接管,新的冷却液进入NodE-b冷板。
温升曲线停住。
第七十一秒,曲线开始回落。
【主回水通路:已隔离】
【备用旁路:已接管】
【任务迁移:完成】
【丢失检查点:0】
【触发过温保护:0】
【集群计算状态:继续】
江临没把切断阀重新打开。
接下来的两小时四十八分钟,NodE-b一直依靠备用旁路运行。
迁移期间,集群总算力短暂下降百分之十三。
冷却状态稳定以后,部分任务重新回到NodE-b。
下午四点,八小时结束。
最后一个矩阵分块写入存储。
二十七张170hx依次退出计算状态,循环泵仍然运转了三十七分钟。
计算任务可以说停就停,热量不接受行政命令。
它还留在冷板、软管和缓冲罐里,必须一段一段送出去。
供电记录同步生成。
【测试期间平均光伏与风机输出:8.3kw】
【测试系统平均总电负荷:10.5kw】
【储能用途:承担功率缺口与切换波动】
【测试结束储能荷电状态:70%】
八十千瓦时储能只填补发电与负载之间的缺口,光伏和风机承担了大部分连续供电。
若把整场测试都算到储能头上,账在第二眼就会穿帮。
最终报告在主屏上展开。
【S-therlFabric_v0.1最终验证】
【测试硬件:与固定阀位模式完全相同】
【新增泵组:0】
【新增换热器:0】
【新增冷板:0】
【固定阀位模式安全持续负载:64%】
【热织网模式平均有效负载:96.8%】
【同任务队列完成率:97.6%】
【相对固定阀位基准的平均有效负载提升:51.2%】
【模拟主回水通路完全断流:1条】
【故障确认时间:6s】
【检查点完成时间:9s】
【冷却就绪与任务迁移启动:23s】
【备用旁路接管:46s】
【触发过温保护:0】
【丢失检查点:0】
【不可恢复任务:0】
【断流故障瞬态温度上限:76c】
【实测最高板卡热点温度:75.1c】
【结果:通过】
二十七张卡没变。
泵组、阀门、冷板和换热器也没变。
固定阀位模式只能安全释放百分之六十四的持续负载,热织网把平均有效负载推到了百分之九十六点八。
系统从头到尾没多造出一瓦冷量。
它只做了三件事。
提前知道热会在哪里产生,给那条支路留出接住热峰的预算,让冷却能力先于迁移任务抵达目标节点。
现在,算力、显存和冷却能力终于出现在同一张调度表上。
江临在报告最后写入适用边界。
【以上提升仅对当前四节点异构集群成立。】
【不得直接外推至其他机柜、板卡或冷却架构。】
【任何新硬件必须重新标定热阻、流量、响应延迟与安全余量。】
百分之五十一点二无法当成通用节能率塞进宣传页。
换一批板卡,换一种冷板,甚至把软管缩短几米,原有参数都可能作废。
破解隐藏窗口以后,二十七张170hx拥有了更多可用显存。
接入S热织网以后,它们才第一次组成一座能在冷却故障中继续工作的计算集群。
江临建立现实成果包。
【S-therlFabric_Reality_v0.1】
成果包拆成六个部分。
tF-Runti负责算力任务与冷却支路的联合调度。
tF-branchLedger记录持续排热能力、响应窗口热预算、在途热量和恢复时间。
tF-coolingReady_ApI把冷却就绪状态送进任务迁移链。
tF-cabcontroller管理温度、压力、流量、阀组与泵组。
tF-Faultte
固定阀位组经历的八小时进风温度曲线会被完整记录,两天后按同样顺序复现。
供水初温、支路压力、任务初始检查点和储能荷电状态都要回到同一窗口。
否则一边赶上凉快天气,一边碰上热风,再漂亮的结果也只配拿去哄自己。
五月十九日上午七点三十分,固定阀位组启动。
为了压住NodE-d,集群负载限制在百分之六十四。
八小时后,任务队列完成百分之六十三点七。
无板卡过温,换热器的平均能力只用了百分之六十七。
【固定阀位模式】
【集群安全持续负载:64%】
【任务队列完成率:63.7%】
【触发过温保护:0】
【自动旁路接管与任务联动:关闭】
【末端换热能力使用率:67%】
测试结束,服务器停机,循环泵继续运转。
等冷板、软管和缓冲罐里滞留的热量全部回落,储能重新补至百分之九十三,任务队列恢复到同一初始检查点。
两天后的上午八点,第二阶段开始。
S-therlFabric接管集群。
二十七张170hx重新建立影子窗口。
同一批矩阵分块、模型推理、代码索引和证明依赖图进入队列。
【稳定可计算hb约1tib】
【目标持续时间:8h】
【允许过温保护:0】
【允许丢失检查点:0】
基础矩阵块、模型权重和索引文件已经在备用节点建立只读影子映射。
S-checkpoint只保存当前分块的增量状态。
故障发生时,真正需要搬走的只剩上一个检查点之后的变化,而非NodE-b整组显存。
第一小时,集群It负载稳定在九点八千瓦附近。
四条支路各跑各的流量。
NodE-A承担持续矩阵计算,冷却流量最高。
NodE-c以短时模型任务为主,热峰交给缓冲罐;NodE-d内部板卡差异最大,账上始终留着更厚的安全余量。
第二小时,复现进风曲线进入升温段。
末端换热效率下降。
系统延后两组低优先级任务十七分钟,等第一只缓冲罐恢复,再把它们放回队列。
十二台风机没被粗暴地同时拉满。
第三小时,一只流量传感器的读数无故向下漂了八个百分点。
EvidenceGate核对供回水压差、泵速和阀位反馈,三项数据都不支持支路流量真的下降。
漂移传感器被降为低置信度来源,控制器继续执行原计划。
第五小时十二分,江临走到主回路旁,握住NodE-b主回水通路的切断阀。
前面七十六组故障测试里,这个动作做过很多次。
最终验证只认这一次。
阀门落到底。
第二支路流量迅速归零。
【bRANch-b主路:流量丢失】
【疑似故障:等待压力/流量双证据】
【冻结新任务下发】
【发起当前检查点写入】
NodE-b上的八张卡仍在运行。冷板和支路内残留的冷却液给了它们一小段热惯性窗口,按当前负载算,撑不过两分钟。
第六秒,当前分块结束。
供回水压差同时越过故障确认阈值。
【故障确认:压力/流量双证据】
【启动NodE-b备用旁路】
第九秒,检查点写入完成。
第十一秒,NodE-A与NodE-d收到预迁移计划。
两组节点都没有立即接收迁移负载。
NodE-b备用旁路开始建立回水能力。
循环泵同步提速,NodE-A与NodE-d两条迁移目标支路提前增流,分别建立新的水力状态。
【NodE-A:等待cooLING_REAdY】
【NodE-d:等待cooLING_REAdY】
第十八秒,NodE-d入口流量达到计划值。
第二十一秒,NodE-A压差稳定。
第二十三秒,两组状态转绿。
【cooLING_REAdY】
迁移开始。
剩余运行时间最长的矩阵分块最先转移,随后是模型推理。日志索引冻结在检查点,证明依赖图扫描降到最低优先级。
NodE-b负载迅速下降,板卡热点温度还在凭惯性往上走。
七十三摄氏度。
七十四点二摄氏度。
七十五点一摄氏度。
稳态温度线已经越过,距离故障瞬态上限只剩零点九摄氏度。
第四十六秒,备用旁路完成接管,新的冷却液进入NodE-b冷板。
温升曲线停住。
第七十一秒,曲线开始回落。
【主回水通路:已隔离】
【备用旁路:已接管】
【任务迁移:完成】
【丢失检查点:0】
【触发过温保护:0】
【集群计算状态:继续】
江临没把切断阀重新打开。
接下来的两小时四十八分钟,NodE-b一直依靠备用旁路运行。
迁移期间,集群总算力短暂下降百分之十三。
冷却状态稳定以后,部分任务重新回到NodE-b。
下午四点,八小时结束。
最后一个矩阵分块写入存储。
二十七张170hx依次退出计算状态,循环泵仍然运转了三十七分钟。
计算任务可以说停就停,热量不接受行政命令。
它还留在冷板、软管和缓冲罐里,必须一段一段送出去。
供电记录同步生成。
【测试期间平均光伏与风机输出:8.3kw】
【测试系统平均总电负荷:10.5kw】
【储能用途:承担功率缺口与切换波动】
【测试结束储能荷电状态:70%】
八十千瓦时储能只填补发电与负载之间的缺口,光伏和风机承担了大部分连续供电。
若把整场测试都算到储能头上,账在第二眼就会穿帮。
最终报告在主屏上展开。
【S-therlFabric_v0.1最终验证】
【测试硬件:与固定阀位模式完全相同】
【新增泵组:0】
【新增换热器:0】
【新增冷板:0】
【固定阀位模式安全持续负载:64%】
【热织网模式平均有效负载:96.8%】
【同任务队列完成率:97.6%】
【相对固定阀位基准的平均有效负载提升:51.2%】
【模拟主回水通路完全断流:1条】
【故障确认时间:6s】
【检查点完成时间:9s】
【冷却就绪与任务迁移启动:23s】
【备用旁路接管:46s】
【触发过温保护:0】
【丢失检查点:0】
【不可恢复任务:0】
【断流故障瞬态温度上限:76c】
【实测最高板卡热点温度:75.1c】
【结果:通过】
二十七张卡没变。
泵组、阀门、冷板和换热器也没变。
固定阀位模式只能安全释放百分之六十四的持续负载,热织网把平均有效负载推到了百分之九十六点八。
系统从头到尾没多造出一瓦冷量。
它只做了三件事。
提前知道热会在哪里产生,给那条支路留出接住热峰的预算,让冷却能力先于迁移任务抵达目标节点。
现在,算力、显存和冷却能力终于出现在同一张调度表上。
江临在报告最后写入适用边界。
【以上提升仅对当前四节点异构集群成立。】
【不得直接外推至其他机柜、板卡或冷却架构。】
【任何新硬件必须重新标定热阻、流量、响应延迟与安全余量。】
百分之五十一点二无法当成通用节能率塞进宣传页。
换一批板卡,换一种冷板,甚至把软管缩短几米,原有参数都可能作废。
破解隐藏窗口以后,二十七张170hx拥有了更多可用显存。
接入S热织网以后,它们才第一次组成一座能在冷却故障中继续工作的计算集群。
江临建立现实成果包。
【S-therlFabric_Reality_v0.1】
成果包拆成六个部分。
tF-Runti负责算力任务与冷却支路的联合调度。
tF-branchLedger记录持续排热能力、响应窗口热预算、在途热量和恢复时间。
tF-coolingReady_ApI把冷却就绪状态送进任务迁移链。
tF-cabcontroller管理温度、压力、流量、阀组与泵组。
tF-Faultte