Почему сервер сбрасывает частоту под нагрузкой и как это проверить

Чаще всего сервер сбрасывает частоту под нагрузкой из-за перегрева. Причём греться может не сам процессор, а цепи питания на плате (VRM), память или контроллеры. Когда какой-то датчик доходит до порога, прошивка снижает частоту или ограничивает мощность, чтобы защитить оборудование. Сервер при этом не выключается и не выдаёт ошибок: он просто работает медленнее.

Вторая распространённая причина — настройки. Энергосберегающий профиль в BIOS, ограничение мощности или «тихий» режим вентиляторов дают похожий результат, даже если с охлаждением всё в порядке.

Проверить, что происходит, можно за час. Нужны журнал датчиков в BMC (iLO, iDRAC, XClarity и аналоги) и стресс-тест, во время которого вы следите за частотой ядер.

Что такое троттлинг и чем он отличается от аварийного перегрева

Троттлинг — это штатная защита: процессор или контроллер питания снижает частоту и напряжение, чтобы температура не росла дальше. Система продолжает работать, но производительность падает. Иногда на десятки процентов.

Аварийный перегрев — это следующая ступень. Если троттлинг не помог, срабатывает критический порог и сервер выключается. Такие события хорошо видны в журнале. А троттлинг часто остаётся незамеченным: снаружи это выглядит как «база тормозит в часы пик» или «виртуалки иногда подвисают».

Почему процессор работает ниже базовой частоты

Базовая частота гарантирована производителем, только если соблюдены условия: заявленный теплоотвод (TDP), нормальное питание и температура окружающего воздуха в допустимом диапазоне. Если хотя бы одно условие нарушено, процессор может опуститься ниже базы.

Основные причины:

• радиатор не справляется с тепловым пакетом процессора — например, в шасси стоит кулер под менее мощную модель;
• перегревается VRM, и плата сама ограничивает ток процессора;
• в BIOS установлено ограничение мощности или энергосберегающий профиль;
• в стойке слишком горячий воздух на входе, потому что горячий воздух с выхода подмешивается обратно к передней панели.

Что, кроме процессора, перегревается в сервере

Мониторинг часто ограничивается температурой CPU. Но в современных платформах тепловыделение выросло у многих компонентов сразу:

• VRM. При высокой нагрузке модуль стабилизации напряжения греется сильно, и защита у него срабатывает раньше, чем у процессора.
• Память. Планки, плотно установленные во все слоты, мешают потоку воздуха друг другу. Перегрев памяти может проявляться как рост исправляемых ошибок ECC.
• NVMe-накопители. При длительной записи они снижают скорость, если перегреваются.
• Платы расширения. Сетевые карты, RAID-контроллеры и GPU в зоне за процессорами получают уже нагретый воздух.

Как устроено охлаждение в шасси и что ему мешает

Стоечный сервер охлаждается продуваемым потоком: вентиляторы тянут холодный воздух спереди и выталкивают горячий назад. Воздуховоды (air duct) направляют поток через радиаторы. Схема работает, только если воздух не может пойти в обход.

Что нарушает поток:

• пустые отсеки дисков и слоты расширения без заглушек — воздух уходит через них, а не через радиаторы;
• кабели питания и шлейфы, проложенные поперёк потока;
• воздуховод, снятый при обслуживании и не установленный обратно или установленный с перекосом;
• пыль на передних фильтрах и радиаторах.

Запас по охлаждению зависит от платформы. Высота шасси, число вентиляторов, поддерживаемый тепловой пакет процессоров и допустимые конфигурации дисков и GPU указаны в спецификациях, и у разных моделей одного производителя они заметно различаются — это видно, если открыть все модели линейки и сравнить ограничения по TDP. Для сравнения стоит взять похожие платформы других производителей: важны не названия, а то, какую мощность шасси готово отвести при вашей комплектации.

Как диагностировать троттлинг

Перегрев редко приводит к синему экрану. Обычно система тихо теряет производительность, поэтому проверять нужно целенаправленно.

1. Откройте журнал датчиков в BMC. Смотрите не только CPU, но и VRM, память, PCIe-зону, накопители. Если температура процессора нормальная, а вентиляторы постоянно работают на высоких оборотах, ищите горячую точку в другом месте.
2. Запустите стресс-тест на 20–30 минут. Следите за частотой ядер и потребляемой мощностью. Если частота опускается ниже базовой, сервер троттлит.
3. Найдите причину ограничения. В Linux это показывают, например, turbostat и счётчики throttle в /sys; в Windows — счётчики производительности процессора и утилиты производителя. По ним видно, сработало ограничение по температуре или по мощности.
4. Проверьте журнал ошибок памяти. Рост исправляемых ошибок ECC под нагрузкой — повод проверить температуру модулей.
5. Прислушайтесь к вентиляторам. Резкие скачки оборотов говорят о том, что какой-то датчик постоянно подходит к порогу. Возможны высохший термоинтерфейс или неудачная зона установки компонента.

Что проверить перед вводом сервера в эксплуатацию

• Укладка кабелей. Силовые провода и шлейфы должны лежать в штатных каналах, вдоль стенок, а не поперёк радиаторов.
• Воздуховоды и заглушки. Air duct сидят в пазах без перекосов, пустые отсеки и слоты закрыты.
• Профиль вентиляторов. Для нагруженных задач выберите режим, ориентированный на производительность, а не на тишину. Серверные вентиляторы рассчитаны на высокие обороты.
• Профиль питания. Для баз данных и виртуализации часто выбирают профиль с максимальной производительностью и ограничивают глубокие C-States. Это уменьшает задержки, но повышает энергопотребление. Решение зависит от нагрузки, поэтому сверьтесь с рекомендациями производителя ПО и платформы.
• Прошивки. Обновлённые BIOS и BMC иногда меняют алгоритмы управления вентиляторами и питанием.
• Контрольный прогон. Стресс-тест после сборки фиксирует эталонные температуры, с которыми потом удобно сравнивать.

Типичные ошибки

• Ставить самые мощные процессоры в шасси, которое поддерживает их только с ограничениями по дискам, GPU или температуре в помещении.
• Включать тихий профиль вентиляторов, потому что сервер стоит рядом с рабочими местами.
• Снимать заглушки и воздуховоды при обслуживании и не ставить их обратно.
• Следить только за температурой CPU и не смотреть остальные датчики.
• Ставить серверы в стойку без разделения холодного и горячего коридора.

Когда воздушного охлаждения недостаточно

У воздушного охлаждения есть предел. При высокой плотности мощности в стойке или при использовании нескольких GPU даже правильно собранное шасси может не справиться. Особенно при высокой температуре в серверной.

Альтернативы и их минусы:

• Шасси большей высоты (2U вместо 1U, 4U для GPU). Охлаждение проще, но занимает больше места в стойке.
• Процессоры с меньшим TDP. Иногда большее число серверов с менее горячими чипами работает стабильнее, чем меньшее количество узлов на пределе. Минусы — больше лицензий и обслуживания.
• Жидкостное охлаждение. Эффективно отводит тепло, но требует инфраструктуры, ведёт к дополнительным затратам и усложняет обслуживание. Для небольшой серверной обычно избыточно.
• Улучшение климата в серверной. Иногда проблема снаружи сервера: горячий воздух на входе, отсутствие заглушек в стойке, плохая работа кондиционеров.

Если нагрузка невысокая и ровная, вся эта настройка может быть лишней: многие серверы спокойно работают с заводскими параметрами.

С чего начать

Сначала посмотрите журнал датчиков в BMC и прогоните стресс-тест: так станет ясно, есть ли троттлинг и что его вызывает. Если причина в сборке, исправьте кабели, заглушки и воздуховоды. Если в настройках — поменяйте профили питания и вентиляторов. Если шасси в принципе не отводит нужную мощность, при следующей закупке подбирайте платформу по спецификациям охлаждения, а не только по процессору.