4. 计算基础设施需求调研方法

在 AMD EPYC 平台的交付项目中，最容易出问题的环节往往不是安装或调优，而是需求调研阶段把业务负载“翻译”成了错误的硬件规格。业务方说“我们要一台高性能服务器”，这句话无法直接映射到 EPYC 9004 系列的型号选择、内存通道配置或 PCIe 拓扑。需求调研的核心任务，是把业务语言转成可量化的计算基础设施指标：CPU 核数与频率、内存容量与带宽、I/O 吞吐、虚拟化密度，以及它们之间的相互约束。

从业务负载到指标：先分类，再量化

调研的第一步不是问参数，而是识别负载类型。不同类型的负载对资源的敏感维度完全不同：

• 计算密集型（如科学计算、视频编码、编译构建）：对 CPU 核数、全核频率和内存带宽敏感，I/O 通常不是瓶颈。
• 内存密集型（如内存数据库、实时分析、大页缓存）：对内存容量、内存通道数和带宽敏感，核数反而可能过剩。
• I/O 密集型（如日志采集、消息队列、对象存储网关）：对 PCIe 通道、NVMe 队列深度和网卡吞吐敏感。
• 虚拟化/容器密度型（如私有云、VDI、多租户平台）：对核数、内存容量、NUMA 拓扑和超分比敏感。

分类之后，才能针对性地采集指标。下面这张图展示了从业务负载到 EPYC 硬件规格的映射关系，以及各指标之间的约束链：

采集方法：从现有系统拿数据，而不是靠猜

需求调研不能只靠访谈。对于已经运行的业务，最可靠的数据来源是现有系统的监控与性能计数器。以下是针对不同指标的具体采集方法：

• CPU 核数与频率：在 Linux 上使用 lscpu 查看逻辑核数、主频和 NUMA 节点；用 mpstat -P ALL 1 观察各核利用率，判断是“核数不够”还是“单核频率受限”。如果 %idle 长期低于 10% 且 %iowait 不高，说明 CPU 计算能力是瓶颈。
• 内存带宽：用 perf stat -e uncore_imc/data_reads/,uncore_imc/data_writes/ 读取内存控制器计数器，换算实际带宽。也可以用 dmidecode -t memory 确认当前内存通道填充情况——如果只插了 6 条而非 12 条，带宽直接减半。
• I/O 吞吐：用 iostat -x 1 观察 %util、await 和 r/s、w/s；用 nvme smart-log 查看 NVMe 盘的读写量和延迟。如果 await 持续高于 1ms 且队列深度已满，说明需要更多 PCIe 通道或更高性能的 NVMe。
• 虚拟化密度：统计当前宿主机上的虚拟机数量、vCPU 总数与物理核数的比值（超分比）、每 VM 内存分配量。用 virsh list --all 和 virsh dominfo 可以快速汇总。

量化换算：把观测值转成 EPYC 规格

采集到原始数据后，需要做一次换算。以下是一个示例计算过程，用于说明方法而非实测结果：

假设某内存数据库业务，现有系统为双路 16 核（共 32 核），内存 256GB（8 通道 DDR4-2666），观测到内存带宽峰值约 85GB/s，CPU 利用率峰值 70%，NVMe 读延迟 0.8ms。业务方要求三年内数据量增长 2 倍，且延迟不恶化。

步骤 1：内存带宽需求
  当前峰值带宽 = 85 GB/s
  增长系数 = 2.0（数据量翻倍）
  预留余量 = 1.3（峰值波动 + 未来缓冲）
  目标带宽 = 85 × 2.0 × 1.3 ≈ 221 GB/s

步骤 2：EPYC 内存带宽能力
  EPYC 9004 系列 12 通道 DDR5-4800
  单通道理论带宽 = 4800 MT/s × 8 Byte = 38.4 GB/s
  12 通道理论带宽 = 38.4 × 12 = 460.8 GB/s
  实际可达约 70%~80% → 约 322~368 GB/s
  结论：单路 EPYC 即可满足 221 GB/s 需求

步骤 3：CPU 核数换算
  当前 32 核支撑当前负载，利用率 70%
  目标负载 = 当前 × 2.0
  所需核数 ≈ 32 × 2.0 × (1/0.7) ≈ 91 核
  考虑超线程与 NUMA 效率，选择 96 核型号（如 9654）

步骤 4：I/O 通道分配
  当前 NVMe 延迟 0.8ms，目标不恶化
  需保证 NVMe 直连 CPU PCIe 通道，避免经过 PCIe Switch
  96 核 EPYC 提供 128 条 PCIe 5.0 通道
  分配：8 条给 NVMe（2 块盘 ×4），32 条给 GPU，16 条给网卡
  剩余通道预留扩展

这个换算过程的关键在于：每一步都保留可追溯的输入和假设。调研报告里不能只写“建议 96 核”，而要写清楚“基于当前 32 核 70% 利用率、2 倍增长、1.3 倍余量，换算得 91 核，取整为 96 核”。这样后续如果业务增长不及预期，可以回溯调整。

虚拟化密度的特殊考量

虚拟化场景的需求调研比物理机更复杂，因为超分比会显著改变资源需求。调研时需要明确三个参数：

• vCPU 与物理核的超分比：常见生产环境为 2:1 到 4:1。如果业务对延迟敏感（如交易系统），建议不超过 2:1；如果是开发测试环境，可以到 6:1 甚至更高。
• 内存超分：KVM 支持内存超分，但会引入 swap 风险。调研时需确认业务是否允许内存超分，以及是否使用大页（HugePages）。
• NUMA 亲和性：EPYC 的 CCD 和 NUMA 布局会影响 VM 性能。调研时需确认 VM 是否绑定 NUMA 节点，以及是否跨节点分配。

一个实用的做法是：先按“每 VM 平均 vCPU 数 × VM 数量 ÷ 目标超分比”估算物理核数，再按“每 VM 内存 × VM 数量 × 内存超分系数”估算内存容量，最后用 EPYC 的 NUMA 拓扑验证是否能在单路内满足。如果单路不够，再考虑双路。

调研输出：一份可执行的规格清单

调研的最终产出不是一份问卷，而是一份可以直接用于采购和交付的规格清单。清单应包含以下字段：业务负载类型、当前观测值、增长系数、目标值、对应 EPYC 型号、内存配置、PCIe 分配、NUMA 模式、验证方式。每个字段都要有数据来源和假设说明。

例如，针对上述内存数据库场景，输出清单可以写成：

这份清单的价值在于：它把“业务要快”变成了“96 核、768GB、12 通道满配、NPS4”。交付工程师拿到清单后，可以直接对照 EPYC 平台文档进行 BIOS 配置、内存插法和 PCIe 分配，不需要再回头猜测业务意图。调研方法的核心，就是让每一个硬件决策都有业务数据支撑，而不是靠经验或厂商推荐。