Kimia Shop

قالب‌های آماده‌ی بار کاری

سه گام: بار کاری را انتخاب کنید، مدل سرور را برگزینید، و از میان سه سطح «اقتصادی»، «متوسط»، «پیشرفته» همان را که به نیازتان می‌خورد بردارید. هر سطح با قواعد قطعی از ویژگی‌های کاتالوگ رسمی ساخته شده و با موتور سازگاری ⁦QuickSpecs⁩ «بدون خطا» ارزیابی می‌شود؛ پیش از سفارش می‌توانید هر قطعه را عوض یا کم و زیاد کنید.

هر سطح با قواعد قطعی از ویژگی‌های کاتالوگ ساخته می‌شود (هسته/فرکانس/⁦TDP⁩ پردازنده، کانال‌های حافظه، ظرفیت و نوع درایو، کلاس کنترلر، سرعت شبکه، توان منبع تغذیه) و فقط وقتی منتشر می‌شود که موتور سازگاری ⁦QuickSpecs⁩ هیچ خطایی نشان ندهد و از سطح پایین‌تر کمتر نباشد؛ اگر ترکیبی ممکن نباشد دلیلش همان‌جا نوشته می‌شود. قطعات الزامی دیگر (هیت‌سینک، کابل، باتری و…) را موتور سازگاری پیشنهاد می‌دهد. قیمتی نمایش داده نمی‌شود.

بار کاری

مدل سرور برای «هوش مصنوعی و ⁦GPU⁩»

Dell PowerEdge R760بدون ⁦GPU⁩ در کاتالوگ⁦Intel Xeon Scalable⁩ نسل ⁦4⁩ و ⁦5⁩ (و ⁦Xeon Max⁩)کاتالوگ این مدل هیچ ⁦GPU⁩ با حافظه‌ی گرافیکی مشخص ندارد؛ قالب هوش مصنوعی/⁦GPU⁩ ساخته نمی‌شود.
HPE ProLiant DL380 Gen12⁦Intel Xeon 6⁩ (سری ⁦E-Core⁩ و ⁦P-Core⁩)
HPE ProLiant DL580 Gen12بدون ⁦GPU⁩ در کاتالوگاینتل ⁦Xeon 6⁩ (سری ⁦P-Core⁩)کاتالوگ این مدل هیچ ⁦GPU⁩ با حافظه‌ی گرافیکی مشخص ندارد؛ قالب هوش مصنوعی/⁦GPU⁩ ساخته نمی‌شود.
HPE ProLiant DL380 Gen11⁦Intel Xeon Scalable⁩ نسل ۴ و ۵HPE ProLiant DL380 Gen10 Plusپردازنده‌های نسل سوم ⁦Intel Xeon Scalable⁩HPE ProLiant DL380 Gen10اینتل ⁦Xeon Scalable⁩ نسل اول و دوم (⁦Skylake⁩ / ⁦Cascade Lake⁩)HPE ProLiant DL580 Gen10⁦Intel Xeon Scalable⁩ نسل دوم (⁦82xx/62xx/52xx⁩) و نسل اول (⁦81xx/61xx/51xx⁩)Lenovo ThinkSystem SR650 V3⁦Intel Xeon Scalable⁩ نسل ۴ و ۵HPE ProLiant DL380 Gen9اینتل ⁦Xeon E5-2600 v4⁩
HPE ProLiant DL580 Gen9بدون ⁦GPU⁩ در کاتالوگاینتل ⁦Xeon E7-4800/8800 v4⁩کاتالوگ این مدل هیچ ⁦GPU⁩ با حافظه‌ی گرافیکی مشخص ندارد؛ قالب هوش مصنوعی/⁦GPU⁩ ساخته نمی‌شود.
HPE ProLiant DL380e Gen8بدون ⁦GPU⁩ در کاتالوگ⁦Intel Xeon E5-2400⁩ و ⁦E5-2400 v2⁩کاتالوگ این مدل هیچ ⁦GPU⁩ با حافظه‌ی گرافیکی مشخص ندارد؛ قالب هوش مصنوعی/⁦GPU⁩ ساخته نمی‌شود.
HPE ProLiant DL380p Gen8اینتل زئون ⁦E5-2600⁩ و ⁦E5-2600 v2⁩HPE ProLiant DL580 Gen8اینتل ⁦Xeon E7-4800/8800⁩ نسل ⁦v2⁩

سه سطح «هوش مصنوعی و ⁦GPU⁩» رویLenovo ThinkSystem SR650 V3

اقتصادی

هوش مصنوعی و ⁦GPU⁩

۳ هشدار · در حال بارگذاری موتور سازگاری…
پردازنده
۱ × ⁦Xeon 4516Y+⁩
۲۴ هسته در مجموع · ۲٫۲ گیگاهرتز · ۱۸۵ وات
حافظه
۱۲۸ گیگابایت
۸ ماژول × ۱۶ گیگابایت
ذخیره‌سازی
۲ درایو · ۶٫۴ ترابایت خام
۳٫۲ ترابایت مفید (⁦RAID 1⁩)
شبکه
۲ پورت · ۲۰ گیگابیت
سریع‌ترین پورت ۱۰ گیگابیت
منبع تغذیه
۲ × ۷۵۰ وات
افزونگی منبع تغذیه
GPU
۱ عدد · ۲۴ گیگابایت
چرا این سطح؟
  • پردازنده: ۱ × ⁦Xeon 4516Y+⁩ — ۲۴ هسته در مجموع (۲۴ هسته، ۲٫۲ گیگاهرتز، ۱۸۵ وات به‌ازای هر پردازنده). بزرگ‌ترین مدل قابل‌استفاده در این پیکربندی ۶۰ هسته دارد و قاعده‌ی این سطح دست‌کم ۳۵٪ آن را می‌خواهد.
  • حافظه: ۸ ماژول ۱۶ گیگابایتی = ۱۲۸ گیگابایت. این پلتفرم ۸ کانال حافظه به‌ازای هر پردازنده دارد؛ ۸ ماژول به‌ازای هر پردازنده یعنی ۱ ماژول در هر کانال و همه‌ی کانال‌ها یکسان پر شده‌اند (توصیه‌ی توازن حافظه در ⁦QuickSpecs⁩).
  • ذخیره‌سازی: ۲ درایو ⁦NVMe⁩ ۳٫۲ ترابایتی (دوام ⁦MU⁩) = ۶٫۴ ترابایت خام؛ ۳٫۲ ترابایت مفید با ⁦RAID 1⁩ (فرمول استاندارد ⁦RAID⁩، بدون سربار).
  • شبکه: ۱ کارت — مجموع ۲ پورت و ۲۰ گیگابیت ظرفیت اسمی (سریع‌ترین پورت ۱۰ گیگابیت).
  • ⁦GPU⁩: ۱ عدد با مجموع ۲۴ گیگابایت حافظه‌ی گرافیکی؛ حافظه‌ی سیستم دست‌کم دو برابر حافظه‌ی ⁦GPU⁩ در نظر گرفته شده است (توصیه‌ی ⁦QuickSpecs⁩).
  • منبع تغذیه: ۲ × ۷۵۰ وات (افزونگی منبع تغذیه).

قاعده‌ی انتخاب این سطح

  • شاسی با کمترین تعداد محل درایو که درایو‌های این سطح را جا بدهد (⁦SFF⁩، ۲ درایو)
  • ۱ پردازنده — کوچک‌ترین مدلی که دست‌کم این سهم از هسته‌ی بزرگ‌ترین مدل کاتالوگ را دارد (۳۵٪)، حداکثر ⁦TDP⁩ ‏۳۰۰ وات
  • حافظه: حدود ۱۲۸ گیگابایت به‌ازای هر پردازنده؛ تعداد ماژول = کانال‌های حافظه (۸ کانال به‌ازای هر پردازنده) × تعداد پردازنده، یک ماژول در هر کانال (در صورت نیاز دو) تا کانال‌ها متوازن پر شوند
  • ذخیره‌سازی: ⁦NVMe⁩ (در نبود آن: ⁦SSD⁩)، دوام ⁦MU⁩، ۲ درایو با ظرفیتی در صدک ۴۰ فهرست ظرفیت‌های موجود
  • شبکه: کارتی با مجموع ظرفیت نزدیک به ۲۰ گیگابیت
  • منبع تغذیه: کوچک‌ترین مدل ⁦AC⁩ با توان دست‌کم ۱ برابر برآورد اوج مصرف (⁦TDP⁩ پردازنده‌ها + ⁦GPU⁩ + ۲۰۰ وات)، دو منبع یکسان
  • ⁦GPU⁩: ۱ عدد، کمترین حافظه‌ی گرافیکی (حداقل ۱۶ گیگابایت)

متوسط

هوش مصنوعی و ⁦GPU⁩

۲ هشدار · در حال بارگذاری موتور سازگاری…
پردازنده
۲ × ⁦Xeon 6548N⁩
۶۴ هسته در مجموع · ۲٫۸ گیگاهرتز · ۲۵۰ وات
حافظه
۵۱۲ گیگابایت
۱۶ ماژول × ۳۲ گیگابایت
ذخیره‌سازی
۴ درایو · ۱۲٫۸ ترابایت خام
۹٫۶ ترابایت مفید (⁦RAID 5⁩)
شبکه
۲ پورت · ۵۰ گیگابیت
سریع‌ترین پورت ۲۵ گیگابیت
منبع تغذیه
۲ × ۱۱۰۰ وات
افزونگی منبع تغذیه
GPU
۲ عدد · ۴۸ گیگابایت
چرا این سطح؟
  • پردازنده: ۲ × ⁦Xeon 6548N⁩ — ۶۴ هسته در مجموع (۳۲ هسته، ۲٫۸ گیگاهرتز، ۲۵۰ وات به‌ازای هر پردازنده). بزرگ‌ترین مدل قابل‌استفاده در این پیکربندی ۵۲ هسته دارد و قاعده‌ی این سطح دست‌کم ۶۰٪ آن را می‌خواهد.
  • حافظه: ۱۶ ماژول ۳۲ گیگابایتی = ۵۱۲ گیگابایت. این پلتفرم ۸ کانال حافظه به‌ازای هر پردازنده دارد؛ ۸ ماژول به‌ازای هر پردازنده یعنی ۱ ماژول در هر کانال و همه‌ی کانال‌ها یکسان پر شده‌اند (توصیه‌ی توازن حافظه در ⁦QuickSpecs⁩).
  • ذخیره‌سازی: ۴ درایو ⁦NVMe⁩ ۳٫۲ ترابایتی (دوام ⁦MU⁩) = ۱۲٫۸ ترابایت خام؛ ۹٫۶ ترابایت مفید با ⁦RAID 5⁩ (فرمول استاندارد ⁦RAID⁩، بدون سربار).
  • شبکه: ۱ کارت — مجموع ۲ پورت و ۵۰ گیگابیت ظرفیت اسمی (سریع‌ترین پورت ۲۵ گیگابیت).
  • ⁦GPU⁩: ۲ عدد با مجموع ۴۸ گیگابایت حافظه‌ی گرافیکی؛ حافظه‌ی سیستم دست‌کم دو برابر حافظه‌ی ⁦GPU⁩ در نظر گرفته شده است (توصیه‌ی ⁦QuickSpecs⁩).
  • منبع تغذیه: ۲ × ۱۱۰۰ وات (افزونگی منبع تغذیه).

قاعده‌ی انتخاب این سطح

  • شاسی با کمترین تعداد محل درایو که درایو‌های این سطح را جا بدهد (⁦SFF⁩، ۴ درایو)
  • ۲ پردازنده — کوچک‌ترین مدلی که دست‌کم این سهم از هسته‌ی بزرگ‌ترین مدل کاتالوگ را دارد (۶۰٪)، حداکثر ⁦TDP⁩ ‏۳۰۰ وات
  • حافظه: حدود ۲۵۶ گیگابایت به‌ازای هر پردازنده؛ تعداد ماژول = کانال‌های حافظه (۸ کانال به‌ازای هر پردازنده) × تعداد پردازنده، یک ماژول در هر کانال (در صورت نیاز دو) تا کانال‌ها متوازن پر شوند
  • ذخیره‌سازی: ⁦NVMe⁩ (در نبود آن: ⁦SSD⁩)، دوام ⁦MU⁩، ۴ درایو با ظرفیتی در صدک ۶۰ فهرست ظرفیت‌های موجود
  • شبکه: کارتی با مجموع ظرفیت نزدیک به ۵۰ گیگابیت
  • منبع تغذیه: کوچک‌ترین مدل ⁦AC⁩ با توان دست‌کم ۱٫۲ برابر برآورد اوج مصرف (⁦TDP⁩ پردازنده‌ها + ⁦GPU⁩ + ۲۰۰ وات)، دو منبع یکسان
  • ⁦GPU⁩: ۲ عدد، متوسط حافظه‌ی گرافیکی (حداقل ۱۶ گیگابایت)

پیشرفته

هوش مصنوعی و ⁦GPU⁩

۳ هشدار · در حال بارگذاری موتور سازگاری…
پردازنده
۲ × ⁦Xeon 8470N⁩
۱۰۴ هسته در مجموع · ۱٫۷ گیگاهرتز · ۳۰۰ وات
حافظه
۲۰۴۸ گیگابایت
۱۶ ماژول × ۱۲۸ گیگابایت
ذخیره‌سازی
۸ درایو · ۱۰۲٫۴ ترابایت خام
۸۹٫۶ ترابایت مفید (⁦RAID 5⁩)
شبکه
۸ پورت · ۲۰۰ گیگابیت
سریع‌ترین پورت ۲۵ گیگابیت
منبع تغذیه
۲ × ۱۸۰۰ وات
افزونگی منبع تغذیه
GPU
۳ عدد · ۱۴۴ گیگابایت
چرا این سطح؟
  • پردازنده: ۲ × ⁦Xeon 8470N⁩ — ۱۰۴ هسته در مجموع (۵۲ هسته، ۱٫۷ گیگاهرتز، ۳۰۰ وات به‌ازای هر پردازنده). بزرگ‌ترین مدل قابل‌استفاده در این پیکربندی ۵۲ هسته دارد و قاعده‌ی این سطح دست‌کم ۱۰۰٪ آن را می‌خواهد.
  • حافظه: ۱۶ ماژول ۱۲۸ گیگابایتی = ۲۰۴۸ گیگابایت. این پلتفرم ۸ کانال حافظه به‌ازای هر پردازنده دارد؛ ۸ ماژول به‌ازای هر پردازنده یعنی ۱ ماژول در هر کانال و همه‌ی کانال‌ها یکسان پر شده‌اند (توصیه‌ی توازن حافظه در ⁦QuickSpecs⁩).
  • ذخیره‌سازی: ۸ درایو ⁦NVMe⁩ ۱۲٫۸ ترابایتی (دوام ⁦MU⁩) = ۱۰۲٫۴ ترابایت خام؛ ۸۹٫۶ ترابایت مفید با ⁦RAID 5⁩ (فرمول استاندارد ⁦RAID⁩، بدون سربار).
  • شبکه: ۲ کارت — مجموع ۸ پورت و ۲۰۰ گیگابیت ظرفیت اسمی (سریع‌ترین پورت ۲۵ گیگابیت).
  • ⁦GPU⁩: ۳ عدد با مجموع ۱۴۴ گیگابایت حافظه‌ی گرافیکی؛ حافظه‌ی سیستم دست‌کم دو برابر حافظه‌ی ⁦GPU⁩ در نظر گرفته شده است (توصیه‌ی ⁦QuickSpecs⁩).
  • منبع تغذیه: ۲ × ۱۸۰۰ وات (افزونگی منبع تغذیه).

قاعده‌ی انتخاب این سطح

  • شاسی با کمترین تعداد محل درایو که درایو‌های این سطح را جا بدهد (⁦SFF⁩، ۸ درایو)
  • ۲ پردازنده — کوچک‌ترین مدلی که دست‌کم این سهم از هسته‌ی بزرگ‌ترین مدل کاتالوگ را دارد (۱۰۰٪)، حداکثر ⁦TDP⁩ ‏۳۰۰ وات
  • حافظه: حدود ۵۱۲ گیگابایت به‌ازای هر پردازنده؛ تعداد ماژول = کانال‌های حافظه (۸ کانال به‌ازای هر پردازنده) × تعداد پردازنده، یک ماژول در هر کانال (در صورت نیاز دو) تا کانال‌ها متوازن پر شوند
  • ذخیره‌سازی: ⁦NVMe⁩ (در نبود آن: ⁦SSD⁩)، دوام ⁦MU⁩، ۸ درایو با ظرفیتی در صدک ۹۰ فهرست ظرفیت‌های موجود
  • شبکه: کارتی با مجموع ظرفیت نزدیک به ۱۰۰ گیگابیت (۲ کارت)
  • منبع تغذیه: کوچک‌ترین مدل ⁦AC⁩ با توان دست‌کم ۱٫۴ برابر برآورد اوج مصرف (⁦TDP⁩ پردازنده‌ها + ⁦GPU⁩ + ۲۰۰ وات)، دو منبع یکسان
  • ⁦GPU⁩: ۴ عدد، بیشترین حافظه‌ی گرافیکی
در حال بارگذاری کاتالوگ برای سفارشی‌سازی و مقایسه…