3. 计算节点功耗构成与测量方法
要对一台 AMD EPYC 计算节点做功耗与散热优化，第一步不是调风扇曲线，也不是改 BIOS 电源策略，而是把“整机功耗”拆开，弄清楚每一瓦电究竟花在哪里。只有建立了清晰的功耗构成模型，后续的优化才有可量化的靶子：是 CPU 的 Package Power 偏高，还是内存条数量过多带来的静态功耗，抑或是 VRM 转换损耗和风扇功耗吃掉了本应留给计算的功率预算。
一、节点级功耗的构成分解
从机柜 PDU 到芯片内部，功耗可以按“供电链路”和“部件归属”两个维度同时理解。按供电链路看，市电经 PSU 整流后输出 12V/54V 母线，再经主板 VRM（电压调节模块）降压为 CPU 的 VDDCR_CPU、VDDCR_SOC、内存的 VDDIO/VDD，以及各类外设电压。按部件归属看，一台双路 EPYC 节点的整机功耗大致由以下几部分构成：
- CPU 功耗：双路 EPYC 的 Package Power 通常是整机最大项，满载时可占整机功耗的 50%～70%。它又细分为核心计算功耗（Core Power）、Infinity Fabric 与 IOD 功耗、内存控制器功耗等。
- 内存功耗：每条 DDR5 RDIMM 的功耗随容量、速率、访问频率变化，单条典型在 5～15W 区间。32 条内存插满时，内存总功耗可达 200W 以上，是不可忽视的静态与动态负载。
- 硬盘功耗：NVMe SSD 单盘工作功耗约 8～25W，SATA/SAS 盘约 5～10W。多盘位节点中，硬盘功耗与 IO 负载强相关。
- 网卡功耗：25G/100G/200G 网卡单卡功耗从 10W 到 30W 不等，高速率网卡在满线速时功耗显著上升。
- 风扇功耗：高密度节点常配 6～10 个 40mm 或 60mm 高转速风扇，单风扇 10～30W，整组风扇功耗可达 100～200W，且随转速呈近似三次方增长。
- VRM 损耗：VRM 将 12V 转换为约 0.8～1.1V 的 CPU 核心电压，转换效率通常在 85%～92%。这意味着 CPU 实际消耗 400W 时，VRM 自身可能额外发热 35～70W，这部分损耗最终也由整机功耗和散热系统承担。
把这些部分相加，就得到节点级功耗的近似模型：整机功耗 ≈ CPU Package + 内存 + 硬盘 + 网卡 + 风扇 + VRM 损耗 + 主板其他。需要注意的是，PSU 自身的转换效率（80 PLUS 钛金约 96%）也会在机柜级计量中体现，但在节点内部测量时通常以 PSU 输出侧为准。
二、四类测量工具的分工与适用场景
功耗测量不是“拿一个工具读一个数”，而是分层采集、交叉校验。不同工具覆盖不同的物理位置和精度范围，理解它们的边界才能避免误读。
功率计是最外层、最可信的整机功耗来源。把机柜 PDU 的每一路或节点 PSU 输入接入带计量功能的 PDU 或外置功率计，可以直接读到 AC 侧有功功率。它的优点是覆盖全部部件、不受 BMC 采样误差影响；缺点是粒度粗，无法区分 CPU 与内存，且包含 PSU 转换损耗。做整机 PUE 和机柜功率预算时，功率计是基准。
IPMI 通过 BMC 提供节点内部的传感器读数，包括 PSU 输入/输出功率、各风扇转速、进风口与出风口温度。不同厂商的传感器命名和精度差异较大，例如某些平台只提供 PSU 输入功率，某些平台提供 12V 母线电流。IPMI 的价值在于可以远程、批量、长时间采集，适合做趋势监控和风扇功耗关联分析。使用 ipmitool sensor list 或 ipmitool dcmi power reading 可以快速获取当前功率。
RAPL（Running Average Power Limit）是 CPU 内部提供的能耗计数器，通过 MSR 或 sysfs 暴露。在 Linux 下，/sys/class/powercap/intel-rapl/ 或 AMD 平台的对应接口可以读取 Package 和 DRAM 域的累计能量（微焦耳），两次采样求差再除以时间即得平均功率。RAPL 的优点是粒度细、无需外接硬件、可脚本化；缺点是它统计的是 CPU 内部估算值，不包含 VRM 损耗，且不同微架构的域划分和精度不同。对 EPYC 平台，RAPL 的 Package 域通常覆盖 CCD 与 IOD，DRAM 域覆盖内存控制器侧。
APM（AMD Platform Management）是 AMD 平台提供的功耗管理接口，配合 amd_energy 驱动或 ryzen_smu 类工具，可以读取更细的 SoC、Core、IO 域能耗。在 EPYC 服务器上，APM 与 RAPL 往往互为补充：RAPL 给出 Package 总量，APM 帮助判断是计算核心还是 IO Die 在消耗功率。这对散热优化尤其关键——如果 IO Die 功耗偏高而核心功耗正常，问题可能出在内存访问模式或 Infinity Fabric 频率，而不是 CPU 计算负载。
三、数据采集方法与实操要点
实际采集时，建议按“同一时间窗口、同一负载状态、多工具并行”的原则组织。一个可复用的采集流程如下：
- 固定负载：用
stress-ng --cpu 128 --vm 8 --vm-bytes 4G或类似工具制造稳定负载，避免空载与满载混采。 - 预热 5～10 分钟，让风扇转速、VRM 温度和 CPU 频率进入稳态，否则前几分钟的数据会因 boost 和风扇爬升而偏高或偏低。
- 并行采集：功率计每 1 秒记录一次 AC 功率；IPMI 每 5 秒读取 PSU 输出与风扇转速；RAPL 每 1 秒读取 Package 与 DRAM 能量计数器。
- 对齐时间戳，计算各层功率的平均值与波动范围。若功率计读数明显大于 IPMI PSU 输出除以 PSU 效率的推算值，需要检查 PSU 效率曲线或传感器校准。
一个典型的教学示例（以下为合理假设的示例数据，非实测结果）：某双路 EPYC 节点在 128 线程满载下，功率计读数为 1050W AC；IPMI 显示 PSU 输出 980W；RAPL Package 合计 620W，DRAM 域合计 140W；风扇组 IPMI 读数合计 150W；剩余约 70W 可归入硬盘、网卡、主板与 VRM 损耗。此时若想降低整机功耗，优先看 Package 与 DRAM 的比值：若 DRAM 占比超过 20%，说明内存子系统功耗偏高，可考虑降低内存速率、减少插槽数量或优化 NUMA 访问局部性。
把功耗构成和测量工具对应起来，就形成了一张“功耗地图”：功率计回答“整机花了多少”，IPMI 回答“电源和风扇花了多少”，RAPL 回答“CPU 和内存花了多少”，APM 回答“CPU 内部谁花得多”。四者交叉，才能定位真正的功耗热点，为后续的散热优化提供可靠依据。