VIP20

本课程属于：080-Supermicro服务器与AI基础设施工程 后端、数据与云原生工程 · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

Supermicro GPU计算集群建设工程

共计 30 章节

可可资料掘金营 · 点击在线试看

集群建设需求分析与场景定义

目标=面向AI训练 · HPC或推理等场景 · 明确算力规模

集群建设需求分析场景定义

Supermicro GPU服务器产品线选型

目标=对比4U/8U GPU服务器 · HGX和PCIe平台 · 分析GPU密度

GPU计算集群总体架构设计

目标=设计计算节点 · 管理节点 · 登录节点

GPU计算集群总体架构…

机房基础设施规划

目标=计算功率密度 · 配电容量 · UPS

机房基础设施规划目标=计算功率密…

GPU节点硬件拆箱与上架

目标=执行Supermicro GP… · 导轨安装 · 机柜上架

GPU节点硬件拆箱

GPU节点内部组件装配与检查

目标=安装GPU模组 · NVLink桥 · 内存

GPU节点内部组件装配

集群网络架构设计

目标=选择InfiniBand或Ro… · 规划计算网络 · 存储网络和管理网络

集群网络架构设计InfiniBand

高速网络布线与交换机配置

目标=完成IB/RoCE交换机上架 · 线缆布放 · 子网管理器配置

高速网络布线交换机配置

集群存储系统规划与部署

目标=设计并行文件系统或分布式存储方… · 配置NVMe缓存层 · 容量层和元数据服务

集群存储系统规划部署

Supermicro BMC/IPMI带外管理配置

目标=配置BMC网络 · 用户权限 · 告警阈值和远程KVM

SupermicroBMC/IPMI

GPU节点操作系统批量部署

目标=使用PXE · Kickstart或镜像工具批量安装… · 配置分区

GPU节点操作系统批量…

GPU驱动与CUDA环境安装

目标=安装NVIDIA驱动 · CUDA Toolkit · cuDNN和NCCL

Supermicro GPU服务器固件与BIOS调优

目标=更新BIOS · BMC和GPU VBIOS · 配置Above 4G Decodin…

集群资源管理与作业调度部署

目标=安装Slurm或Kuberne… · 配置GPU资源发现 · 分区

集群资源管理作业调度部署

容器化GPU环境与镜像管理

目标=部署Docker · NVIDIA Container T… · 制作CUDA基础镜像

分布式训练通信库配置与验证

目标=安装和调优NCCL · MPI · OpenMPI

分布式训练通信库…验证

集群性能基准测试与验收

目标=运行HPL · HPCG · MLPerf或DeepSpeed基准

集群性能基准测试验收

GPU集群监控体系搭建

目标=部署Prometheus · Grafana · DCGM和Node Exporter

GPU集群监控体系搭建

集群告警与日志管理

目标=配置Alertmanager · ELK或Loki日志收集 · 定义GPU掉卡

集群告警日志管理

集群用户管理与安全策略

目标=集成LDAP/AD · SSH密钥 · sudo权限和配额管理

集群用户管理安全策略

GPU节点日常运维与巡检

目标=制定巡检清单 · 检查GPU状态 · 风扇

GPU节点日常运维

集群故障诊断与恢复

目标=针对GPU掉卡 · NVLink降速 · IB链路抖动

集群故障诊断恢复

集群性能调优实战

目标=从GPU频率 · PCIe拓扑 · NUMA绑定

集群性能调优实战GPU

集群扩容与升级方案

目标=规划新增GPU节点 · 交换机端口和存储容量 · 执行滚动升级固件

集群扩容升级方案

高可用与容灾设计

目标=设计管理节点 · 存储和网络冗余 · 配置HA调度

高可用容灾设计

绿色数据中心与能效优化

目标=监控PUE · GPU功耗和制冷效率 · 配置功耗封顶

绿色数据能效优化

集群自动化运维与IaC

目标=使用Ansible · Terraform或SaltStac… · 软件部署和巡检剧本

IaC集群自动化运维

Supermicro GPU集群交付文档与培训

目标=编写架构文档 · 操作手册 · 应急预案和验收报告

典型AI训练集群建设案例

目标=以Supermicro HGX… · 复盘需求 · 选型

集群建设综合实战项目

目标=分组完成一个小型Supermi… · 上架 · 配置

集群建设综合实战…Supermi