Apollo

اگر برای اجرای پردازش‌های سنگین، پروژه‌های هوش مصنوعی، تحلیل حجم بالایی از داده یا راه‌اندازی یک زیرساخت HPC به دنبال سروری قدرتمند هستید، سرور اپولو HP یکی از خانواده‌هایی است که ارزش بررسی جدی دارد. سرورهای HPE Apollo برخلاف بسیاری از سرورهای معمولی که برای استفاده‌های عمومی سازمانی طراحی می‌شوند، بیشتر روی چگالی پردازشی بالا، توسعه‌پذیری، پردازش موازی و اجرای Workloadهای سنگین تمرکز دارند.

خانواده Apollo را نمی‌توان فقط یک نسخه قوی‌تر از سرورهای رکمونت HPE دانست. معماری این سری به شکلی طراحی شده که بتوان در فضای محدود رک، توان پردازشی یا ظرفیت ذخیره‌سازی بیشتری در اختیار داشت. به همین دلیل مدل‌های مختلف این خانواده در دیتاسنترها، مراکز تحقیقاتی، پروژه‌های هوش مصنوعی، Machine Learning، Big Data، شبیه‌سازی‌های مهندسی و محیط‌هایی که نیاز به High Performance Computing دارند مورد استفاده قرار گرفته‌اند.

البته خرید سرور HPE Apollo برای هر کسب‌وکاری منطقی نیست. اگر قرار است فقط چند ماشین مجازی، فایل سرور، نرم‌افزار حسابداری یا سرویس‌های سازمانی معمولی اجرا کنید، احتمال دارد یک سرور HPE ProLiant سری DL انتخاب اقتصادی‌تر و ساده‌تری باشد. اما زمانی که تعداد هسته‌های پردازشی، GPU، پهنای باند حافظه، ظرفیت ذخیره‌سازی یا چگالی تجهیزات داخل رک اهمیت زیادی پیدا می‌کند، Apollo می‌تواند گزینه متفاوتی باشد.

موضوع مهم دیگر این است که عبارت Apollo به یک مدل مشخص اشاره نمی‌کند. خانواده‌هایی مثل Apollo 2000، Apollo 4000، Apollo 4200، Apollo 6000 و Apollo 6500 برای نیازهای متفاوتی طراحی شده‌اند و انتخاب میان آن‌ها باید بر اساس نوع پردازش، تعداد Node، میزان Storage، نیاز به GPU، فضای رک و زیرساخت برق و خنک‌کننده انجام شود.

در ادامه این راهنما قرار است به زبان ساده اما تخصصی بررسی کنیم سرور اپولو HP چیست، چه کاربردهایی دارد، انواع سرور Apollo چه تفاوتی با یکدیگر دارند، Apollo چه تفاوتی با ProLiant دارد، هنگام خرید باید چه مشخصاتی را بررسی کنید و قیمت سرور Apollo بر چه اساسی تعیین می‌شود. هدف این است که قبل از خرید، تصویر روشنی از این خانواده سرورها و کاربرد واقعی هر مدل داشته باشید.

سرور اپولو HP چیست؟

سرور اپولو HP یکی از خانواده‌های تخصصی سرورهای شرکت Hewlett Packard Enterprise است که برای اجرای پردازش‌های سنگین، محاسبات با کارایی بالا، تحلیل داده و زیرساخت‌هایی با تراکم سخت‌افزاری زیاد طراحی شده است. برخلاف بسیاری از سرورهای عمومی که برای اجرای سرویس‌های روزمره سازمانی استفاده می‌شوند، معماری HPE Apollo بیشتر روی افزایش توان پردازشی در فضای محدود دیتاسنتر تمرکز دارد.

در سرورهای Apollo می‌توان بسته به مدل، تعداد بیشتری پردازنده، فضای ذخیره‌سازی یا شتاب‌دهنده‌های پردازشی را در ساختاری متراکم در اختیار داشت. همین ویژگی باعث شده این خانواده برای پروژه‌هایی مثل HPC، هوش مصنوعی، Machine Learning، تحلیل Big Data، پردازش‌های علمی و ایجاد کلاسترهای محاسباتی مورد توجه قرار بگیرد.

البته همه مدل‌های سرور HPE Apollo ساختار و کاربرد یکسانی ندارند. بعضی از سری‌ها بیشتر برای افزایش Compute Density طراحی شده‌اند، برخی ظرفیت ذخیره‌سازی بالایی ارائه می‌دهند و مدل‌هایی مانند خانواده Apollo 6500 بیشتر در پروژه‌هایی مورد استفاده قرار گرفته‌اند که قدرت پردازش GPU اهمیت زیادی دارد. به همین دلیل هنگام خرید سرور اپولو HP باید ابتدا نوع Workload مشخص شود و بعد سراغ انتخاب مدل و کانفیگ برویم.

یکی از تفاوت‌های مهم Apollo با سرورهای رکمونت عمومی HPE این است که در طراحی آن فقط قدرت یک سرور مطرح نیست. هدف اصلی این خانواده این است که بتوان چند واحد پردازشی یا منابع سخت‌افزاری قدرتمند را با استفاده بهینه از فضای رک، برق، شبکه و سیستم خنک‌کننده در کنار یکدیگر قرار داد. این موضوع در دیتاسنترهایی که ده‌ها یا صدها Node پردازشی دارند اهمیت زیادی پیدا می‌کند.

معماری High Density در سرور Apollo

اصطلاح High Density یا چگالی بالا به این معنی است که بتوان قدرت پردازشی یا ظرفیت سخت‌افزاری بیشتری را در فضای فیزیکی کمتری از رک قرار داد. در دیتاسنترهای بزرگ، فضای رک یکی از منابع مهم و پرهزینه است و هرچه بتوان تعداد بیشتری Node پردازشی را در فضای مشخص قرار داد، استفاده از زیرساخت بهینه‌تر خواهد شد.

برخی مدل‌های سرور اپولو HP با همین رویکرد طراحی شده‌اند و می‌توانند چند Node را در یک شاسی مشترک جای دهند. در چنین ساختاری بخشی از منابع زیرساختی مانند Power، Cooling یا اجزای شاسی بین Nodeها به اشتراک گذاشته می‌شود. این طراحی می‌تواند در پروژه‌های بزرگ باعث کاهش فضای اشغال‌شده و افزایش تراکم پردازشی شود.

High Density فقط به معنای قرار دادن سخت‌افزار بیشتر داخل رک نیست. زمانی که تعداد پردازنده‌ها، GPUها یا درایوها افزایش پیدا می‌کند، مصرف برق و تولید گرما نیز بیشتر می‌شود. بنابراین استفاده از سرورهای Apollo نیازمند بررسی دقیق ظرفیت برق، سیستم خنک‌کننده و شرایط محیط دیتاسنتر است و نمی‌توان تنها بر اساس قدرت سخت‌افزاری درباره انتخاب آن تصمیم گرفت.

برای مثال، یک سازمانی که قصد ایجاد کلاستر پردازشی بزرگ دارد ممکن است به جای استفاده از تعداد زیادی سرور عمومی مستقل، از یک معماری متراکم‌تر استفاده کند. در این شرایط خانواده Apollo می‌تواند امکان استفاده بهتر از فضای رک و مدیریت مناسب‌تر منابع پردازشی را فراهم کند.

کاربرد معماری Scale-Out در HPE Apollo

Scale-Out به روشی برای افزایش توان زیرساخت گفته می‌شود که در آن به جای جایگزین کردن یک سرور با سروری بسیار بزرگ‌تر، تعداد Nodeهای پردازشی افزایش پیدا می‌کند. به زبان ساده، وقتی قدرت بیشتری لازم دارید می‌توانید Nodeهای جدیدی به مجموعه اضافه کنید و بار پردازشی را بین آن‌ها تقسیم کنید.

این نوع معماری برای محیط‌های HPC، Big Data، پردازش‌های علمی و بعضی پروژه‌های هوش مصنوعی اهمیت زیادی دارد. در چنین پروژه‌هایی معمولاً یک سیستم منفرد به تنهایی پاسخگوی حجم پردازش نیست و چندین Node باید به صورت هماهنگ با یکدیگر کار کنند.

بسیاری از سیستم‌های HPE Apollo با در نظر گرفتن همین مدل توسعه طراحی شده‌اند. در نتیجه سازمان می‌تواند زیرساخت خود را با تعداد مشخصی Node شروع کند و در صورت افزایش نیاز پردازشی، ظرفیت کلاستر را توسعه دهد. البته امکان توسعه دقیق به مدل Apollo، شاسی، شبکه و محدودیت‌های سخت‌افزاری همان نسل بستگی دارد.

مزیت اصلی Scale-Out این است که توسعه زیرساخت می‌تواند متناسب با رشد Workload انجام شود. با این حال، افزایش تعداد Nodeها به تنهایی کافی نیست و مواردی مانند سرعت شبکه، Storage، نرم‌افزار مدیریت کلاستر و نحوه توزیع بار پردازشی نیز باید به درستی طراحی شوند.

سرور Apollo و طراحی ان برای  نوع دیتاسنتری

سرور Apollo بیشتر برای دیتاسنترها و مجموعه‌هایی مناسب است که با حجم بالایی از پردازش یا داده سروکار دارند. مراکز تحقیقاتی، دانشگاه‌ها، شرکت‌های فعال در زمینه هوش مصنوعی، مجموعه‌های تحلیل داده، شرکت‌های مهندسی و سازمان‌هایی که کلاستر HPC راه‌اندازی می‌کنند از جمله محیط‌هایی هستند که می‌توانند از قابلیت‌های این خانواده استفاده کنند.

در مقابل، اگر یک مجموعه فقط به چند سرویس سازمانی معمولی مانند Active Directory، File Server، نرم‌افزار حسابداری یا تعداد محدودی ماشین مجازی نیاز داشته باشد، معمولاً استفاده از سرور اپولو HP اولین انتخاب نیست. در چنین شرایطی سرورهای HPE ProLiant سری DL می‌توانند مدیریت ساده‌تر و هزینه منطقی‌تری داشته باشند.

بنابراین انتخاب Apollo باید بر اساس نیاز واقعی زیرساخت انجام شود. قدرت پردازشی بالا زمانی ارزش دارد که نرم‌افزارها و Workloadهای مجموعه بتوانند از این معماری استفاده کنند. به همین دلیل قبل از خرید سرور HPE Apollo بهتر است میزان پردازش، نوع نرم‌افزار، نیاز به GPU، ظرفیت Storage، تعداد Nodeها و امکان توسعه آینده مشخص شود.

کاربرد های سرور HPE Apollo

سرور HPE Apollo بیشتر برای پروژه‌هایی طراحی شده که پردازش سنگین، حجم بالای داده یا تراکم سخت‌افزاری زیادی دارند. به همین دلیل نمی‌توان کاربرد آن را به یک حوزه خاص محدود کرد. بسته به مدل و کانفیگ، سرور اپولو HP می‌تواند در پروژه‌های HPC، هوش مصنوعی، یادگیری ماشین، تحلیل داده، ذخیره‌سازی حجیم، شبیه‌سازی‌های علمی و ایجاد کلاسترهای پردازشی مورد استفاده قرار بگیرد.

نوع کاربرد	نیاز اصلی زیرساخت	خانواده مناسب Apollo
HPC	تعداد هسته بالا و شبکه سریع	مدل‌های Compute محور Apollo
هوش مصنوعی	GPU قدرتمند و حافظه بالا	Apollo 6500
Machine Learning	GPU و پردازش موازی	Apollo 6500
Big Data	پردازش و Storage بالا	Apollo 4000 و Apollo 4200
ذخیره‌سازی حجیم	تعداد زیاد HDD یا SSD	Apollo 4200
شبیه‌سازی علمی	CPU یا GPU و پردازش موازی	مدل‌های HPC خانواده Apollo
کلاستر پردازشی	چند Node و معماری Scale-Out	Apollo 2000 و مدل‌های Compute محور

نکته مهم این است که همه مدل‌های Apollo برای تمام این کاربردها مناسب نیستند. برای مثال، یک مدل با تمرکز روی GPU می‌تواند برای هوش مصنوعی انتخاب مناسبی باشد، در حالی که یک مدل با تعداد بالای درایو بیشتر برای پروژه‌های Data Intensive و ذخیره‌سازی کاربرد دارد. بنابراین هنگام انتخاب سرور Apollo باید ابتدا Workload را مشخص کرد و سپس سراغ مدل مناسب رفت.

 استفاده از سرور Apollo برای HPC

یکی از مهم‌ترین کاربردهای سرور اپولو HP در حوزه HPC یا High Performance Computing است. در این نوع زیرساخت، حجم پردازش به اندازه‌ای زیاد است که یک سرور معمولی به تنهایی نمی‌تواند در زمان مناسب محاسبات موردنظر را انجام دهد. به همین دلیل چند پردازنده یا چند Node به صورت هماهنگ در کنار یکدیگر قرار می‌گیرند تا توان پردازشی موردنیاز ایجاد شود.

سرورهای Apollo با معماری متراکم و قابلیت استفاده در کلاسترهای پردازشی می‌توانند برای چنین پروژه‌هایی مناسب باشند. محاسبات دانشگاهی، تحقیقات علمی، تحلیل داده‌های پیچیده، شبیه‌سازی‌های مهندسی، پردازش‌های فیزیکی و پروژه‌های تحقیقاتی بزرگ نمونه‌هایی هستند که می‌توانند از زیرساخت HPC استفاده کنند.

در یک پروژه HPC فقط قدرت CPU اهمیت ندارد. تعداد هسته‌های پردازنده، میزان RAM، پهنای باند حافظه، سرعت ارتباط بین Nodeها، نوع شبکه و Storage هم روی عملکرد نهایی تأثیر می‌گذارند. بنابراین خرید سرور HPE Apollo برای HPC باید بر اساس طراحی کل کلاستر انجام شود و انتخاب یک CPU قدرتمند به تنهایی تضمین‌کننده عملکرد مناسب نیست.

اگر سازمان شما قرار است حجم زیادی از محاسبات را به صورت موازی اجرا کند، استفاده از معماری Apollo می‌تواند امکان افزایش تعداد Nodeها و توسعه تدریجی زیرساخت را فراهم کند. البته مدل Apollo باید بر اساس نوع نرم‌افزار و نحوه توزیع پردازش انتخاب شود.

سرور Apollo برای هوش مصنوعی و Machine Learning

هوش مصنوعی یکی دیگر از حوزه‌هایی است که می‌تواند به توان پردازشی بسیار زیادی نیاز داشته باشد. آموزش مدل‌های Machine Learning و به‌خصوص Deep Learning در بسیاری از پروژه‌ها روی GPU انجام می‌شود و هرچه حجم Dataset یا پیچیدگی مدل افزایش پیدا کند، اهمیت تعداد و قدرت GPUها بیشتر می‌شود.

مدل‌هایی از خانواده سرور Apollo که برای GPU Computing طراحی شده‌اند می‌توانند در چنین پروژه‌هایی مورد استفاده قرار بگیرند. خانواده Apollo 6500 یکی از شناخته‌شده‌ترین نمونه‌ها در این زمینه است و برای Workloadهایی طراحی شده که به پردازش شتاب‌یافته و استفاده از چند GPU نیاز دارند.

البته صرفاً داشتن چند کارت گرافیک قدرتمند برای ایجاد یک سرور مناسب هوش مصنوعی کافی نیست. نوع GPU، میزان حافظه گرافیکی، CPU، RAM، Storage، شبکه، توان Power Supply و سیستم Cooling هم باید متناسب با حجم پروژه انتخاب شوند.

به همین دلیل اگر هدف از خرید سرور اپولو HP راه‌اندازی زیرساخت AI باشد، بهتر است ابتدا مشخص شود قرار است چه نوع مدل‌هایی آموزش داده شوند، Dataset چه حجمی دارد و چند GPU به صورت هم‌زمان مورد استفاده قرار می‌گیرند. این اطلاعات نقش مستقیمی در تعیین کانفیگ و قیمت سرور Apollo خواهند داشت.

کاربرد سرور Apollo در Deep Learning و GPU Computing

Deep Learning معمولاً نیاز بیشتری به پردازش موازی نسبت به بسیاری از الگوریتم‌های سنتی دارد. در این شرایط GPU می‌تواند تعداد زیادی عملیات ریاضی را به صورت موازی انجام دهد و زمان آموزش مدل‌های پیچیده را کاهش دهد. به همین دلیل سرورهای GPU محور Apollo در پروژه‌هایی که قدرت پردازش گرافیکی اهمیت بالایی دارد کاربرد پیدا می‌کنند.

در GPU Computing فقط تعداد کارت‌های گرافیک مهم نیست. سرعت ارتباط میان GPUها و ارتباط آن‌ها با CPU و حافظه سیستم نیز روی کارایی تأثیر می‌گذارد. در پروژه‌های بزرگ حتی ارتباط بین چند سرور GPU نیز می‌تواند به یکی از عوامل محدودکننده عملکرد تبدیل شود.

سرور Apollo 6500 در نسل‌ها و کانفیگ‌های مختلف برای Workloadهای GPU محور استفاده شده است. این نوع سرورها می‌توانند در آموزش مدل‌های هوش مصنوعی، پردازش تصویر، پردازش داده‌های علمی، محاسبات مهندسی و برخی پروژه‌های Rendering مورد استفاده قرار بگیرند.

قبل از خرید چنین سیستمی باید علاوه بر GPU، ظرفیت برق و خنک‌کننده دیتاسنتر هم بررسی شود؛ زیرا سرورهای مجهز به چند شتاب‌دهنده قدرتمند می‌توانند مصرف انرژی و تولید حرارت بسیار بیشتری نسبت به یک سرور رکمونت معمولی داشته باشند.

استفاده از Apollo برای Big Data و تحلیل داده

زمانی که حجم اطلاعات به چندین ترابایت یا حتی بیشتر می‌رسد، فقط قدرت CPU مطرح نیست و سرعت ذخیره‌سازی، انتقال و پردازش داده هم اهمیت زیادی پیدا می‌کند. در چنین محیط‌هایی سرورهایی که بتوانند ظرفیت Storage بالا را در کنار توان پردازشی مناسب ارائه دهند، ارزش بیشتری دارند.

برخی مدل‌های سرور HPE Apollo با تمرکز روی Data Intensive Workload طراحی شده‌اند. این مدل‌ها می‌توانند تعداد زیادی درایو را در فضای رک محدود قرار دهند و برای پروژه‌هایی مانند Data Analytics، Data Lake و پردازش حجم بالای اطلاعات مورد استفاده قرار بگیرند.

در این پروژه‌ها انتخاب بین HDD، SSD و NVMe اهمیت زیادی دارد. اگر اولویت اصلی ظرفیت ذخیره‌سازی باشد، ممکن است استفاده از تعداد زیادی HDD اقتصادی‌تر باشد؛ اما اگر سرعت خواندن و نوشتن اهمیت بیشتری داشته باشد، SSD و NVMe می‌توانند گزینه مناسب‌تری باشند.

بنابراین در خرید سرور Apollo برای Big Data باید میان ظرفیت، سرعت، هزینه و نوع پردازش تعادل ایجاد شود. استفاده از بیشترین ظرفیت Storage همیشه بهترین انتخاب نیست و نوع Workload تعیین می‌کند چه ترکیبی از پردازنده، حافظه و فضای ذخیره‌سازی مناسب‌تر است.

سرور Apollo برای ذخیره‌سازی حجیم

یکی دیگر از کاربردهای خانواده Apollo ایجاد زیرساخت‌هایی با Storage Density بالا است. در این پروژه‌ها هدف این است که بتوان تعداد زیادی هارد یا SSD را در فضای محدودی از رک قرار داد و در عین حال منابع پردازشی لازم برای مدیریت و پردازش داده‌ها را نیز در اختیار داشت.

مدل‌هایی مانند Apollo 4200 با تمرکز بیشتری روی Workloadهای داده‌محور و ظرفیت ذخیره‌سازی طراحی شده‌اند. چنین سرورهایی می‌توانند برای آرشیوهای بزرگ، Data Lake، تحلیل داده، زیرساخت‌های تحقیقاتی و محیط‌هایی که حجم اطلاعات به شکل مداوم افزایش پیدا می‌کند مورد استفاده قرار بگیرند.

با این حال، هنگام انتخاب سرور برای ذخیره‌سازی تنها تعداد درایوها نباید ملاک قرار بگیرد. نوع RAID یا HBA، سرعت Interface، ظرفیت شبکه، نوع درایو، میزان RAM و الگوی دسترسی به اطلاعات هم باید بررسی شوند.

اگر هدف شما صرفاً ایجاد یک File Server کوچک است، معمولاً خرید Apollo منطقی نیست. مزیت این خانواده زمانی مشخص می‌شود که حجم داده و تعداد درایوها به اندازه‌ای باشد که Storage Density و توسعه زیرساخت به یک مسئله مهم تبدیل شود.

کاربرد Apollo در شبیه‌سازی‌های علمی و مهندسی

شبیه‌سازی‌های مهندسی در حوزه‌هایی مانند مکانیک سیالات، طراحی صنعتی، تحلیل سازه، محاسبات فیزیکی و تحقیقات علمی می‌توانند به تعداد زیادی هسته پردازشی نیاز داشته باشند. برخی نرم‌افزارهای تخصصی نیز قابلیت تقسیم محاسبات میان چند Node را دارند و می‌توانند از زیرساخت HPC استفاده کنند.

سرور اپولو HP در چنین پروژه‌هایی می‌تواند بسته به نرم‌افزار و نوع محاسبات با CPU یا GPU پیکربندی شود. بعضی از Workloadها وابستگی بیشتری به تعداد هسته‌های CPU دارند و برخی دیگر می‌توانند از GPU Acceleration استفاده کنند.

برای انتخاب کانفیگ مناسب باید مشخص شود نرم‌افزار مورد استفاده تا چه اندازه از Multi-Core، Multi-Node یا GPU پشتیبانی می‌کند. خرید تعداد زیادی GPU برای نرم‌افزاری که توانایی استفاده از آن‌ها را ندارد، تنها باعث افزایش هزینه زیرساخت خواهد شد.

به همین دلیل در پروژه‌های شبیه‌سازی، انتخاب سرور Apollo باید بر اساس Benchmark نرم‌افزار، نوع پردازنده مورد پشتیبانی، میزان حافظه لازم و نحوه توزیع محاسبات انجام شود.

استفاده از سرور Apollo در کلاسترهای پردازشی

کلاستر پردازشی مجموعه‌ای از چند Node یا سرور است که برای اجرای یک هدف مشترک با یکدیگر کار می‌کنند. این روش زمانی کاربرد دارد که توان یک سرور برای اجرای Workload کافی نباشد یا سازمان بخواهد امکان افزایش ظرفیت پردازشی را در آینده داشته باشد.

برخی خانواده‌های Apollo برای چنین محیط‌هایی طراحی شده‌اند و می‌توانند چگالی بیشتری از Nodeهای پردازشی را در فضای رک فراهم کنند. این موضوع در دیتاسنترهایی که تعداد زیادی سرور دارند باعث می‌شود مدیریت فضا، برق و زیرساخت اهمیت بیشتری پیدا کند.

در طراحی کلاستر، انتخاب شبکه بسیار مهم است. اگر ارتباط میان Nodeها کند باشد، حتی پردازنده‌های قدرتمند نیز ممکن است نتوانند عملکرد مورد انتظار را ارائه دهند. علاوه بر شبکه، Storage مشترک، نرم‌افزار مدیریت کلاستر و نحوه Scheduling پردازش‌ها هم باید در طراحی زیرساخت در نظر گرفته شوند.

در نتیجه سرور HPE Apollo می‌تواند پایه مناسبی برای ایجاد کلاسترهای پردازشی باشد، اما انتخاب مدل و تعداد Nodeها باید بر اساس نوع Workload و برنامه توسعه آینده مجموعه انجام شود.

شناسایی انواع سرور Apollo HP

خانواده سرور Apollo شامل مدل‌های مختلفی است که هرکدام با هدف مشخصی طراحی شده‌اند. به همین دلیل هنگام خرید سرور اپولو HP نباید فقط به نام Apollo توجه کنید؛ چون تفاوت بین مدل‌هایی مثل Apollo 2000، Apollo 4200 و Apollo 6500 می‌تواند از نظر نوع معماری، تعداد Node، ظرفیت ذخیره‌سازی، پشتیبانی از GPU و نوع Workload بسیار زیاد باشد.

به طور کلی بعضی از سرورهای Apollo بیشتر روی Compute Density و قرار دادن چند Node پردازشی در فضای محدود تمرکز دارند، بعضی برای ذخیره‌سازی حجم بالایی از داده ساخته شده‌اند و بعضی دیگر برای پردازش‌های GPU محور، هوش مصنوعی و HPC کاربرد دارند. برای همین بهترین مدل Apollo مدلی نیست که صرفاً سخت‌افزار قدرتمندتری داشته باشد؛ بلکه مدلی است که معماری آن با نیاز پروژه شما هماهنگ باشد.

سرور HPE Apollo 2000

HPE Apollo 2000 یکی از خانواده‌های Compute محور Apollo است که برای افزایش چگالی پردازشی و ایجاد زیرساخت‌های Scale-Out طراحی شده است. در Apollo 2000 چند Server Node می‌توانند داخل یک شاسی مشترک قرار بگیرند و بخشی از زیرساخت‌هایی مانند برق و خنک‌کننده را به صورت مشترک استفاده کنند.

در Apollo 2000 Gen10 Plus، شاسی اصلی فضای 2U رک را اشغال می‌کند و بسته به نوع شاسی و Node می‌تواند چند سرور را در همین فضای محدود در اختیار دیتاسنتر قرار دهد. HPE برای این خانواده مدل‌های مختلف شاسی مانند n2400، n2600 و n2800 و Nodeهای مختلف را ارائه کرده است.

مزیت اصلی Apollo 2000 زمانی مشخص می‌شود که به تعداد زیادی Node پردازشی نیاز داشته باشید. در چنین شرایطی به جای قرار دادن تعداد زیادی سرور مستقل داخل رک، می‌توان از معماری متراکم‌تری استفاده کرد و قدرت پردازشی بیشتری را در فضای محدودتری در اختیار داشت.

HPE این سیستم را برای طیف وسیعی از Workloadهای Scale-Out، از محیط‌های کوچک‌تر تا کلاسترهای بزرگ HPC معرفی کرده است. بنابراین Apollo 2000 بیشتر برای سازمان‌هایی مناسب است که Compute Density، توسعه تعداد Nodeها و استفاده بهینه از فضای رک برایشان اهمیت دارد.

کاربردهای رایج Apollo 2000 شامل موارد زیر است:

• کلاسترهای HPC
•  پردازش‌های علمی و مهندسی
•  محیط‌های Scale-Out
•  زیرساخت‌های پردازشی چند Node
•  مراکز تحقیقاتی
•  پردازش داده
•  محیط‌هایی با محدودیت فضای رک

سرور HPE Apollo 4000

خانواده HPE Apollo 4000 بیشتر با Workloadهای Data Intensive شناخته می‌شود. یعنی در این سری، علاوه بر توان پردازشی، ظرفیت Storage و امکان نگهداری حجم زیادی از اطلاعات اهمیت ویژه‌ای دارد.

این خانواده برای مجموعه‌هایی مناسب است که حجم اطلاعات آن‌ها به شکل مداوم افزایش پیدا می‌کند و می‌خواهند ظرفیت ذخیره‌سازی بالایی را در فضای نسبتاً محدود رک در اختیار داشته باشند. Big Data، Data Analytics، آرشیو اطلاعات و Data Lake از جمله کاربردهایی هستند که می‌توانند به چنین معماری نیاز داشته باشند.

تفاوت مهم این سری با مدل‌های Compute محور Apollo این است که در اینجا فقط افزایش تعداد CPU یا Node هدف اصلی نیست. تعداد درایو، ظرفیت Storage، سرعت انتقال اطلاعات و امکان دسترسی سریع به حجم زیادی از داده اهمیت بیشتری پیدا می‌کند.

یکی از شناخته‌شده‌ترین اعضای این خانواده HPE Apollo 4200 است که به دلیل طراحی متراکم Storage، ارزش بررسی جداگانه دارد.

سرور HPE Apollo 4200

سرور HPE Apollo 4200 یکی از مهم‌ترین مدل‌های خانواده Apollo 4000 محسوب می‌شود و برای Workloadهایی طراحی شده که حجم داده در آن‌ها اهمیت زیادی دارد. Apollo 4200 Gen10 Plus در فرم فکتور 2U ارائه شده و HPE آن را برای Data Lake، Archive، Machine Learning، Data Analytics، Hyperconverged Infrastructure و Workloadهای Cache Intensive معرفی کرده است.

این طراحی باعث می‌شود Apollo 4200 برای مجموعه‌هایی جذاب باشد که می‌خواهند ظرفیت زیادی از Storage را بدون اشغال تعداد زیادی یونیت رک در اختیار داشته باشند. البته ظرفیت دقیق هارد، تعداد درایو و نوع Storage باید بر اساس کانفیگ همان مدل بررسی شود و نمی‌توان یک مشخصات ثابت را برای تمام نسخه‌های Apollo 4200 در نظر گرفت.

از نظر حافظه نیز Apollo 4200 Gen10 Plus می‌تواند در کانفیگ‌های مشخص از ظرفیت بالایی پشتیبانی کند. برای مثال QuickSpecs رسمی HPE برای این مدل 24 اسلات DIMM و حداکثر ظرفیت 3.072 ترابایت با LRDIMMهای پشتیبانی‌شده را ذکر می‌کند.

Apollo 4200 می‌تواند در پروژه‌های زیر کاربرد داشته باشد:

•  Big Data
•  Data Lake
•  آرشیو اطلاعات
•  Backup Repository
•  Data Analytics
•  Machine Learning داده‌محور
•  زیرساخت‌های ذخیره‌سازی متراکم

اگر مسئله اصلی پروژه شما ظرفیت بالای Storage و پردازش حجم زیادی از داده است، Apollo 4200 معمولاً نسبت به یک مدل GPU محور Apollo ارزش بررسی بیشتری دارد.

سرور HPE Apollo 6000

خانواده Apollo 6000 بیشتر برای محیط‌های High Performance Computing و Compute Density توسعه پیدا کرده است. هدف این معماری فراهم کردن تعداد بالایی از منابع پردازشی در فضای محدود دیتاسنتر و ایجاد زیرساختی مناسب برای کلاسترهای بزرگ بوده است.

در چنین سیستم‌هایی Nodeها داخل شاسی قرار می‌گیرند و طراحی برق، Cooling و ارتباطات با توجه به تراکم بالای سخت‌افزار انجام می‌شود. بنابراین Apollo 6000 بیشتر از اینکه برای سرویس‌های عمومی یک شرکت کوچک طراحی شده باشد، برای محیط‌هایی مناسب است که تعداد زیادی عملیات محاسباتی به صورت موازی اجرا می‌شوند.

شبیه‌سازی‌های مهندسی، تحقیقات دانشگاهی، پردازش‌های علمی و کلاسترهای محاسباتی از نمونه Workloadهایی هستند که می‌توانند از چنین معماری استفاده کنند.

در زمان خرید Apollo 6000 باید نسل دقیق سیستم، نوع Chassis، Nodeهای نصب‌شده و قطعات سازگار با همان نسل به صورت جداگانه بررسی شوند؛ زیرا Apollo 6000 یک سرور با کانفیگ ثابت نیست.

 

سرور HPE Apollo 6500

اگر در میان انواع سرور Apollo به دنبال مدلی برای پردازش‌های GPU محور باشید، Apollo 6500 یکی از مهم‌ترین خانواده‌هایی است که با آن روبه‌رو می‌شوید. این سری برای Workloadهای سنگین HPC و هوش مصنوعی طراحی شده و امکان استفاده از چند GPU قدرتمند را در یک سیستم فراهم می‌کند.

HPE در Apollo 6500 Gen10 Plus از شتاب‌دهنده‌هایی مانند NVIDIA HGX A100 و AMD Instinct MI100 پشتیبانی کرده و این پلتفرم را برای HPC و AI معرفی کرده است. این سیستم در کانفیگ‌های مختلف قابلیت پشتیبانی از تعداد متفاوتی GPU را دارد و طراحی آن روی پهنای باند بالا، ارتباط سریع GPUها و پردازش شتاب‌یافته متمرکز است.

به همین دلیل Apollo 6500 می‌تواند برای پروژه‌هایی مانند موارد زیر مناسب باشد:

•  آموزش مدل‌های هوش مصنوعی
•  Deep Learning
•  Machine Learning در مقیاس بالا
•  پردازش تصویر
•  شبیه‌سازی‌های GPU محور
•  HPC
•  محاسبات علمی
•  GPU Computing

البته خرید Apollo 6500 فقط به معنی انتخاب GPU نیست. تعداد و مدل GPU، پردازنده، RAM، شبکه، Storage، توان مصرفی و سیستم خنک‌کننده باید در کنار یکدیگر بررسی شوند. در یک کانفیگ چند GPU، مصرف برق و حرارت تولیدشده می‌تواند بسیار بیشتر از سرورهای رکمونت عمومی باشد و زیرساخت دیتاسنتر باید توان پشتیبانی از آن را داشته باشد.

 Apollo 6500 Gen10 Plus

Apollo 6500 Gen10 Plus یکی از نسخه‌های شناخته‌شده این خانواده برای اجرای Workloadهای AI و HPC است. معماری این سیستم امکان استفاده از چند شتاب‌دهنده قدرتمند و اتصال پرسرعت بین آن‌ها را فراهم می‌کند و به همین دلیل برای پروژه‌هایی طراحی شده که پردازش موازی اهمیت بالایی دارد.

طبق اطلاعات رسمی HPE، Apollo 6500 Gen10 Plus می‌تواند بسته به کانفیگ از 4، 8، 10 یا 16 GPU پشتیبانی کند و امکان استفاده از یک یا دو پردازنده نیز در طراحی آن در نظر گرفته شده است.

این سطح از سخت‌افزار برای بسیاری از کسب‌وکارهای معمولی ضروری نیست. ارزش Apollo 6500 زمانی مشخص می‌شود که نرم‌افزار مورد استفاده واقعاً توانایی بهره‌برداری از چند GPU و پردازش موازی را داشته باشد. در غیر این صورت ممکن است هزینه زیادی برای منابعی پرداخت شود که بخش قابل توجهی از آن‌ها بدون استفاده باقی بمانند.

سرور HPE Apollo 8000

Apollo 8000 یکی از خانواده‌های قدیمی‌تر HPE Apollo است که با تمرکز بر HPC و افزایش بهره‌وری در محیط‌های دارای تراکم پردازشی بالا معرفی شد. یکی از ویژگی‌هایی که این سری را متمایز می‌کرد، استفاده از راهکارهای خنک‌کننده مایع در برخی طراحی‌ها بود.

این خانواده بیشتر برای دیتاسنترها و مراکز محاسباتی بزرگ مطرح بوده و امروزه هنگام بررسی آن باید به نسل، وضعیت پشتیبانی، امکان تأمین قطعات و شرایط بازار تجهیزات استوک توجه زیادی داشت.

بنابراین Apollo 8000 را نباید در کنار مدل‌های دیگر به عنوان یک محصول جدید HPE معرفی کرد. حضور این سری در محتوای دسته‌بندی بیشتر برای تکمیل شناخت خانواده Apollo و کمک به کاربری است که هنگام خرید تجهیزات استوک یا بررسی زیرساخت‌های قدیمی با نام Apollo 8000 مواجه می‌شود.

مقایسه سریع انواع سرور Apollo HP

برای انتخاب راحت‌تر بین مدل‌های مختلف، می‌توان خانواده‌های اصلی Apollo را بر اساس کاربرد کلی آن‌ها مقایسه کرد. البته مشخصات دقیق هر سیستم به نسل و کانفیگ سخت‌افزاری آن بستگی دارد.

خانواده Apollo	تمرکز اصلی	کاربرد مناسب	ویژگی شاخص
HPE Apollo 2000	Compute Density و Scale-Out	HPC، کلاستر پردازشی و پردازش علمی	قرارگیری چند Node در زیرساخت متراکم
HPE Apollo 4000	Data Intensive	Big Data، Analytics و ذخیره‌سازی	تمرکز روی حجم بالای داده
HPE Apollo 4200	Storage Density	Data Lake، Archive و Data Analytics	ظرفیت ذخیره‌سازی بالا در فضای 2U
HPE Apollo 6000	High Performance Computing	کلاسترهای HPC و محاسبات علمی	چگالی بالای منابع پردازشی
HPE Apollo 6500	GPU Computing	AI، Deep Learning و HPC	پشتیبانی از چند GPU قدرتمند
HPE Apollo 8000	HPC متراکم	مراکز محاسباتی و HPC بزرگ	استفاده از معماری‌های خنک‌کننده پیشرفته

مشخصات فنی سرورهای HP Apollo

مشخصات فنی سرورهای Apollo به مدل، نسل و نوع Node بستگی دارد و نمی‌توان یک کانفیگ ثابت را برای کل این خانواده در نظر گرفت. برای مثال Apollo 2000 بیشتر روی چگالی پردازشی و چند Node تمرکز دارد، Apollo 4200 ظرفیت Storage بالاتری ارائه می‌دهد و Apollo 6500 برای پردازش‌های GPU محور و HPC طراحی شده است.

به همین دلیل هنگام بررسی یا خرید سرور اپولو HP باید مشخصات دقیق همان مدل و نسل بررسی شود. CPU، RAM، GPU، تعداد درایو، نوع کنترلر ذخیره‌سازی، کارت شبکه، Power Supply و سیستم Cooling همگی می‌توانند از یک مدل به مدل دیگر تغییر کنند.

اگر قرار است سرور برای یک پروژه تخصصی خریداری شود، بهتر است کانفیگ فقط بر اساس بیشترین عدد ممکن انتخاب نشود. در یک Workload ممکن است تعداد Core اهمیت بیشتری داشته باشد و در پروژه دیگر سرعت Storage یا قدرت GPU عامل اصلی عملکرد باشد. انتخاب درست زمانی انجام می‌شود که قطعات مختلف سرور متناسب با Workload در کنار یکدیگر قرار بگیرند.

پردازنده CPU در سرور Apollo

پردازنده یکی از مهم‌ترین بخش‌های سرور HPE Apollo است، اما نوع CPU مورد پشتیبانی به مدل و نسل دستگاه بستگی دارد. در خانواده Apollo می‌توان با پلتفرم‌های Intel Xeon و AMD EPYC روبه‌رو شد و به همین دلیل نمی‌توان گفت تمام مدل‌های Apollo از یک خانواده پردازنده مشخص استفاده می‌کنند.

برای مثال در Apollo 2000 Gen10 Plus، نوع پردازنده به Server Node انتخاب‌شده وابسته است و HPE برای Nodeهای مختلف گزینه‌های مبتنی بر Intel و AMD ارائه کرده است. این موضوع باعث می‌شود بتوان کانفیگ را بر اساس تعداد Core، فرکانس، مصرف انرژی و نوع Workload انتخاب کرد.

در Apollo 4200 Gen10 Plus نیز پردازنده‌های Intel Xeon Scalable مورد استفاده قرار گرفته‌اند و این سیستم قابلیت استفاده از دو پردازنده را دارد. از طرف دیگر Apollo 6500 Gen10 Plus در برخی کانفیگ‌های GPU محور از پردازنده‌های AMD EPYC استفاده می‌کند. بنابراین قبل از خرید CPU یا ارتقای سرور باید حتماً سازگاری پردازنده با Node و نسل دستگاه بررسی شود.

برای انتخاب CPU مناسب در سرور Apollo باید موارد زیر بررسی شوند:

•  تعداد Core مورد نیاز
•  تعداد Socket
•  فرکانس پردازنده
•  توان مصرفی CPU
•  نوع Workload
•  پهنای باند حافظه
•  پشتیبانی نرم‌افزار از پردازش چند هسته‌ای
•  سازگاری پردازنده با Node و نسل سرور

برای پروژه‌های HPC معمولاً تعداد Core و پهنای باند حافظه اهمیت زیادی دارند، اما در بعضی Workloadها فرکانس بالاتر می‌تواند تأثیر بیشتری روی عملکرد داشته باشد. به همین دلیل انتخاب پردازنده باید با توجه به نوع نرم‌افزار انجام شود.

کارت گرافیک GPU در سرور Apollo

یکی از دلایل شناخته شدن بعضی مدل‌های Apollo، امکان استفاده از GPUهای قدرتمند برای اجرای پردازش‌های موازی است. البته تمام سرورهای Apollo یک GPU Server محسوب نمی‌شوند و مدل‌هایی مانند Apollo 6500 تمرکز بسیار بیشتری روی این حوزه دارند.

Apollo 6500 Gen10 Plus برای Workloadهای AI و HPC توسعه پیدا کرده و HPE برای این سیستم پشتیبانی از NVIDIA HGX A100 و شتاب‌دهنده‌های AMD Instinct را ارائه کرده است. بسته به نوع کانفیگ، این خانواده می‌تواند با تعداد متفاوتی GPU پیکربندی شود.

استفاده از چند GPU می‌تواند برای آموزش مدل‌های Deep Learning، شبیه‌سازی، پردازش تصویر و محاسبات علمی بسیار مفید باشد، اما فقط زمانی که نرم‌افزار مورد استفاده قابلیت استفاده از این منابع را داشته باشد.

در هنگام انتخاب GPU برای سرور Apollo بهتر است این موارد بررسی شوند:

•  مدل GPU
•  تعداد GPU
•  ظرفیت حافظه GPU
•  نحوه ارتباط GPUها
•  نوع Interconnect
•  توان مصرفی
•  نیازهای Cooling
•  پشتیبانی نرم‌افزار از GPU
•  نیاز به شبکه پرسرعت بین چند سرور

در پروژه‌های AI بزرگ، سرعت ارتباط بین GPUها نیز می‌تواند اهمیت زیادی داشته باشد. HPE در Apollo 6500 Gen10 Plus روی GPU Interconnect پرسرعت و Topology قابل پیکربندی تمرکز کرده است تا این سیستم بتواند Workloadهای سنگین HPC و AI را اجرا کند.

حافظه RAM در سرور Apollo

ظرفیت و پهنای باند RAM در پروژه‌های HPC، تحلیل داده و پردازش‌های علمی نقش بسیار مهمی دارد. وقتی چند CPU یا تعداد زیادی Core به صورت هم‌زمان کار می‌کنند، کمبود حافظه یا پهنای باند پایین می‌تواند باعث شود پردازنده نتواند با حداکثر توان خود کار کند.

ظرفیت RAM در سرور اپولو HP بسته به مدل متفاوت است. برای مثال Apollo 2000 Gen10 Plus در بعضی Nodeها تا 16 اسلات DIMM در اختیار دارد و طبق QuickSpecs رسمی HPE می‌تواند در کانفیگ‌های مشخص از ظرفیت‌های بالای DDR4 Smart Memory استفاده کند.

Apollo 4200 Gen10 Plus نیز 24 اسلات DIMM دارد و طبق مشخصات رسمی HPE در کانفیگ مبتنی بر LRDIMM می‌تواند تا حدود 3 ترابایت حافظه DDR4 را پشتیبانی کند. ظرفیت نهایی به مدل پردازنده و نوع حافظه انتخاب‌شده بستگی دارد.

در زمان انتخاب RAM فقط ظرفیت کلی مهم نیست. موارد زیر نیز باید بررسی شوند:

•  تعداد DIMM
•  نوع RDIMM یا LRDIMM
•  سرعت حافظه
•  تعداد کانال‌های Memory
•  نحوه Population حافظه
•  ظرفیت مورد نیاز هر Node
•  سازگاری با CPU
•  امکان ارتقای آینده

در پروژه‌های پردازشی بهتر است توزیع RAM میان پردازنده‌ها به صورت متوازن انجام شود تا کانال‌های حافظه بهتر مورد استفاده قرار بگیرند.

 هارد و سیستم ذخیره‌سازی سرور Apollo

Storage یکی از بخش‌هایی است که بیشترین تفاوت را میان مدل‌های مختلف Apollo ایجاد می‌کند. بعضی مدل‌ها فقط به مقدار محدودی Local Storage نیاز دارند، در حالی که مدل‌هایی مانند Apollo 4200 دقیقاً برای Workloadهای Data Intensive و ظرفیت بالای ذخیره‌سازی توسعه داده شده‌اند.

بسته به مدل می‌توان از درایوهای SAS، SATA، SSD و NVMe استفاده کرد. انتخاب میان این گزینه‌ها باید بر اساس ظرفیت مورد نیاز، سرعت، بودجه و نوع دسترسی به اطلاعات انجام شود.

برای مثال Apollo 4200 Gen10 Plus با کانفیگ‌های مختلف Drive Cage عرضه شده و HPE برای این سیستم گزینه‌هایی مانند 24 درایو LFF یا 48 درایو SFF را در کانفیگ پایه ذکر کرده است. امکان استفاده از درایوهای بیشتر یا NVMe نیز بسته به Cage، Controller و کانفیگ انتخابی متفاوت است.

در زمان انتخاب Storage بهتر است این موارد مشخص شوند:

•  ظرفیت مورد نیاز
•  تعداد Drive
•  نوع LFF یا SFF
•  HDD یا SSD
•  SAS یا SATA
•  نیاز به NVMe
•  سرعت Read و Write
•  RAID یا HBA
•  امکان Hot Plug
•  توسعه Storage در آینده

اگر هدف آرشیو حجم زیادی از اطلاعات باشد، ظرفیت و هزینه هر ترابایت اهمیت بیشتری دارد؛ اما اگر پروژه شامل پردازش سریع Datasetهای بزرگ باشد، استفاده از SSD یا NVMe می‌تواند تأثیر بیشتری بر عملکرد داشته باشد.

شبکه و ارتباطات پرسرعت در HPE Apollo

در یک سرور مستقل، سرعت شبکه معمولاً برای ارتباط کاربران و سرویس‌ها اهمیت دارد، اما در یک کلاستر HPC شبکه بخشی از معماری پردازشی محسوب می‌شود. Nodeها باید اطلاعات را با سرعت بالا بین یکدیگر منتقل کنند و هرگونه تأخیر در شبکه می‌تواند عملکرد کل کلاستر را کاهش دهد.

مدل‌های مختلف Apollo می‌توانند بر اساس نوع Adapter از شبکه‌های Ethernet با سرعت‌های مختلف و راهکارهای High-Speed Fabric استفاده کنند. در بعضی پروژه‌های HPC نیز از شبکه‌هایی مانند InfiniBand استفاده می‌شود، البته پشتیبانی دقیق باید بر اساس مدل، کارت شبکه و نسل سرور بررسی شود.

در Apollo 6500 Gen10 Plus نیز HPE روی High-Bandwidth Fabric و ارتباطات پرسرعت برای Workloadهای HPC و AI تمرکز کرده است. این موضوع مخصوصاً زمانی مهم می‌شود که چند GPU یا چند Server Node باید حجم زیادی از داده را میان یکدیگر جابه‌جا کنند.

در زمان طراحی شبکه برای سرور Apollo بهتر است فقط سرعت اسمی کارت شبکه بررسی نشود. Topology شبکه، Switch، Latency، تعداد Port، نوع کابل و پهنای باند موردنیاز کل کلاستر نیز اهمیت دارند.

سیستم خنک‌کننده سرور Apollo

هرچه تراکم CPU، GPU و Storage افزایش پیدا کند، میزان گرمای تولیدشده نیز بیشتر می‌شود. به همین دلیل Cooling در سرورهای Apollo یکی از بخش‌های مهم طراحی زیرساخت است و نباید بعد از خرید سرور به آن فکر کرد.

بعضی مدل‌های Apollo از سیستم خنک‌کننده هوایی استفاده می‌کنند و برخی پلتفرم‌های تخصصی امکان استفاده از راهکارهای Liquid Cooling را نیز داشته‌اند. نوع سیستم خنک‌کننده کاملاً به مدل و کانفیگ دستگاه وابسته است.

در Apollo 6500 Gen10 Plus حتی کانفیگ‌های Liquid Cooled برای NVIDIA HGX A100 نیز در مستندات HPE ارائه شده‌اند که نشان می‌دهد در سیستم‌های GPU محور، کنترل دما و توان مصرفی تا چه اندازه اهمیت دارد.

قبل از نصب سرور Apollo در رک بهتر است موارد زیر بررسی شوند:

• ظرفیت سیستم سرمایش دیتاسنتر
•  میزان گرمای تولیدشده توسط سرور
•  جریان هوای رک
•  فاصله و چیدمان تجهیزات
•  توان مصرفی کل رک
•  نوع Cooling موردنیاز مدل
•  شرایط محیطی توصیه‌شده توسط سازنده

اگر زیرساخت Cooling مناسب نباشد، خرید یک کانفیگ بسیار قدرتمند نه تنها مزیت ایجاد نمی‌کند، بلکه می‌تواند باعث افزایش دما، کاهش پایداری و محدود شدن عملکرد سیستم شود.

 مدیریت سرور Apollo

مدیریت سرور در یک زیرساخت Apollo اهمیت زیادی دارد، مخصوصاً زمانی که چندین Node یا یک کلاستر بزرگ در دیتاسنتر وجود داشته باشد. بررسی وضعیت سخت‌افزار، Firmware، توان مصرفی، دما و خطاهای احتمالی باید بدون نیاز به حضور دائمی کنار سرور انجام شود.

در بسیاری از سیستم‌های Apollo نسل‌های مورد بررسی، HPE iLO برای مدیریت سطح سخت‌افزار استفاده می‌شود. برای مثال Apollo 2000 Gen10 Plus و Apollo 4200 Gen10 Plus از HPE iLO 5 بهره می‌برند. Apollo 4200 همچنین قابلیت استفاده از ابزارهایی مانند HPE OneView را بسته به لایسنس و کانفیگ فراهم می‌کند.

در محیط‌های بزرگ HPC، مدیریت فقط یک سرور مطرح نیست و باید تعداد زیادی Node به صورت متمرکز مدیریت شوند. HPE Performance Cluster Manager برای مدیریت کلاستر ارائه شده و از قابلیت‌هایی مانند رابط CLI، GUI و API و یکپارچه‌سازی با ابزارهایی مانند Slurm و NVIDIA Data Center GPU Manager پشتیبانی می‌کند. طبق QuickSpecs فعلی HPE، این نرم‌افزار از خانواده‌هایی مانند Apollo 2000، Apollo 6000 و Apollo 6500 نیز پشتیبانی می‌کند.

بنابراین ابزار مدیریت مناسب باید با مقیاس زیرساخت انتخاب شود. برای یک یا چند سرور، iLO می‌تواند بخش زیادی از نیازهای مدیریتی را پاسخ دهد، اما در یک کلاستر بزرگ HPC به ابزارهای تخصصی‌تر برای Monitoring، Provisioning و مدیریت Nodeها نیاز خواهد بود.

خلاصه مشخصات مهم سرورهای Apollo

برای مقایسه اولیه می‌توان مهم‌ترین بخش‌های سخت‌افزاری خانواده Apollo را به شکل زیر در نظر گرفت. مشخصات دقیق هر مدل باید بر اساس QuickSpecs همان نسل بررسی شود.

بخش سخت‌افزاری	گزینه‌های قابل مشاهده در خانواده Apollo	اهمیت در انتخاب سرور
CPU	Intel Xeon یا AMD EPYC بسته به مدل	تعداد Core، فرکانس و نوع Workload
GPU	NVIDIA و AMD در مدل‌های GPU محور	AI، HPC و پردازش موازی
RAM	DDR4 RDIMM یا LRDIMM در نسل‌های مورد بررسی	ظرفیت و پهنای باند حافظه
Storage	SAS، SATA، SSD و NVMe بسته به مدل	ظرفیت، سرعت و نوع Workload
Network	Ethernet و High-Speed Fabric	ارتباط Nodeها و عملکرد کلاستر
Cooling	Air Cooling یا راهکارهای Liquid Cooling در برخی مدل‌ها	کنترل حرارت در کانفیگ‌های متراکم
Management	HPE iLO و ابزارهای مدیریت کلاستر	Monitoring و مدیریت زیرساخت

 تفاوت سرور Apollo با سرورهای HPE ProLiant

یکی از سوال‌های مهم هنگام خرید سرور اپولو HP این است که Apollo چه تفاوتی با سرورهای شناخته‌شده HPE ProLiant دارد. در ظاهر هر دو گروه از محصولات HPE هستند و می‌توانند از پردازنده‌های قدرتمند، حافظه بالا، Storage و تجهیزات شبکه حرفه‌ای استفاده کنند، اما فلسفه طراحی و کاربرد اصلی آن‌ها یکسان نیست.

سرورهای ProLiant، مخصوصاً مدل‌های سری DL، برای طیف وسیعی از Workloadهای سازمانی طراحی شده‌اند. مجازی‌سازی، Database، File Server، نرم‌افزارهای سازمانی، VDI، سرویس‌های شبکه و بسیاری از نیازهای عمومی دیتاسنتر را می‌توان با مدل‌هایی مثل DL360 یا DL380 اجرا کرد. برای مثال HPE، DL360 را برای Workloadهایی مانند Virtualization، VDI، CAD و محیط‌های Compute Density معرفی می‌کند.

در مقابل، خانواده Apollo بیشتر برای محیط‌هایی توسعه پیدا کرده که Scale-Out، چگالی پردازشی بالا، HPC، AI یا پردازش حجم بالایی از داده اهمیت دارد. در برخی سیستم‌های Apollo می‌توان چند Node پردازشی را در یک Chassis قرار داد یا از تعداد بیشتری GPU برای پردازش موازی استفاده کرد. HPE حتی از Apollo 2000 و Apollo 6500 به عنوان Compute Platform در برخی زیرساخت‌های HPC و AI خود استفاده کرده است.

بنابراین تفاوت Apollo و ProLiant را نباید فقط با مقایسه قدرت CPU یا مقدار RAM بررسی کرد. ممکن است یک سرور ProLiant قدرتمند از نظر مشخصات خام با یک Apollo رقابت کند، اما تفاوت اصلی در نحوه طراحی زیرساخت، تراکم سخت‌افزار، امکان Scale-Out و نوع Workload هدف مشخص می‌شود.

معیار مقایسه	HPE Apollo	HPE ProLiant DL
هدف اصلی طراحی	HPC، AI، Big Data و Scale-Out	Workloadهای عمومی و سازمانی
معماری	در برخی مدل‌ها چند Node در یک Chassis	معمولاً هر سرور یک سیستم مستقل رکمونت
Compute Density	بسیار مهم و از اهداف اصلی طراحی بعضی مدل‌ها	بالا است اما معمولاً انعطاف‌پذیری عمومی اولویت بیشتری دارد
پردازش GPU	در مدل‌هایی مثل Apollo 6500 تمرکز بسیار بالا	در بعضی مدل‌های ProLiant امکان استفاده از GPU وجود دارد
HPC	یکی از کاربردهای اصلی	امکان استفاده دارد اما هدف تمام مدل‌ها HPC نیست
هوش مصنوعی	مناسب پروژه‌های بزرگ در مدل‌های GPU محور	برای AI سبک تا متوسط و برخی کانفیگ‌های GPU مناسب است
Big Data و Dense Storage	در خانواده Apollo 4000 و 4200 تمرکز ویژه دارد	امکان Storage بالا بسته به مدل وجود دارد
مجازی‌سازی عمومی	قابل اجرا است اما همیشه بهترین انتخاب نیست	یکی از کاربردهای رایج سری DL
توسعه Scale-Out	یکی از نقاط قوت معماری	امکان توسعه وجود دارد اما معمولاً به صورت اضافه کردن سرورهای مستقل
پیچیدگی زیرساخت	در کانفیگ‌های بزرگ و چند Node بیشتر است	معمولاً مدیریت و پیاده‌سازی ساده‌تری دارد
مناسب کسب‌وکارهای کوچک	در بسیاری از موارد بیش از نیاز است	مدل‌های متنوع برای نیازهای کوچک تا بزرگ دارد

تفاوت Apollo و ProLiant از نظر معماری

در سرورهای ProLiant DL معمولاً هر سرور رکمونت به عنوان یک سیستم مستقل در رک قرار می‌گیرد. برای مثال یک DL360 فضای 1U و یک DL380 معمولاً فضای 2U را اشغال می‌کند و هرکدام CPU، RAM، Storage و تجهیزات مدیریتی خود را دارند.

در بعضی خانواده‌های Apollo معماری متفاوت است. برای مثال Apollo 2000 می‌تواند چند Node پردازشی را در فضای 2U در اختیار قرار دهد. این ساختار برای محیط‌هایی مناسب است که تعداد زیادی Node لازم دارند و می‌خواهند تراکم پردازشی داخل رک افزایش پیدا کند.

این تفاوت زمانی مهم می‌شود که قرار باشد ده‌ها یا صدها Node در یک دیتاسنتر راه‌اندازی شود. در این شرایط حتی کاهش مقدار کمی از فضای اشغال‌شده توسط هر Node می‌تواند در مقیاس کل دیتاسنتر تأثیر زیادی داشته باشد.

البته معماری متراکم همیشه یک مزیت مطلق نیست. هرچه تراکم افزایش پیدا کند، طراحی برق، Cooling و شبکه هم حساس‌تر می‌شود. برای همین Apollo بیشتر در محیط‌هایی استفاده می‌شود که زیرساخت دیتاسنتر برای چنین تراکمی آماده باشد.

 تفاوت Apollo و ProLiant از نظر پردازش

سرورهای ProLiant می‌توانند قدرت پردازشی بسیار بالایی داشته باشند و مدل‌هایی مثل DL360، DL380، DL385 و DL560 برای طیف گسترده‌ای از Workloadها قابل استفاده هستند. حتی بعضی مدل‌های ProLiant امکان نصب GPU و Storage پرسرعت NVMe را نیز دارند.

اما در خانواده Apollo تمرکز بعضی مدل‌ها دقیق‌تر روی پردازش‌های Scale-Out یا شتاب‌یافته است. به عنوان مثال Apollo 6500 برای محیط‌هایی طراحی شده که چند GPU باید هم‌زمان در یک سیستم برای AI یا HPC فعالیت کنند.

پس نمی‌توان گفت Apollo از ProLiant «قوی‌تر» است. عبارت دقیق‌تر این است که برخی مدل‌های Apollo برای نوع خاصی از پردازش بهینه‌تر طراحی شده‌اند.

برای مثال اگر Workload شما یک Database سازمانی باشد، احتمال دارد DL380 انتخاب مناسب‌تری باشد. اما اگر قرار باشد یک مدل Deep Learning بزرگ روی چند GPU آموزش داده شود، Apollo 6500 می‌تواند گزینه تخصصی‌تری باشد.

 تفاوت Apollo و ProLiant از نظر توسعه زیرساخت

در محیط ProLiant معمولاً زمانی که ظرفیت یک سرور کافی نیست، سرور دیگری به رک اضافه می‌شود و سپس نرم‌افزار، مجازی‌سازی یا Cluster بین سیستم‌ها مدیریت می‌شود.

Apollo نیز قابلیت توسعه دارد، اما بعضی خانواده‌های آن از ابتدا با رویکرد Scale-Out و چند Node طراحی شده‌اند. به همین دلیل اگر پروژه از ابتدا قرار است در مقیاس بزرگ رشد کند، معماری Apollo می‌تواند مزایای بیشتری ایجاد کند.

البته توسعه یک Cluster فقط به اضافه کردن Node محدود نمی‌شود. شبکه بین Nodeها، Storage مشترک، Scheduler، برق، Cooling و نرم‌افزار مدیریت هم باید متناسب با رشد زیرساخت توسعه پیدا کنند.

تفاوت Apollo و ProLiant از نظر GPU

هر دو خانواده می‌توانند در مدل‌های مشخص از GPU استفاده کنند، بنابراین این تصور که فقط Apollo قابلیت نصب GPU دارد اشتباه است. بعضی مدل‌های ProLiant نیز برای Workloadهای گرافیکی، VDI، AI یا شتاب‌دهی پردازشی از کارت گرافیک پشتیبانی می‌کنند.

تفاوت اصلی در میزان تمرکز روی GPU است. در Apollo 6500 معماری کل سیستم برای Workloadهای چند GPU و پردازش شتاب‌یافته طراحی شده است، در حالی که یک سرور عمومی ProLiant معمولاً باید هم‌زمان پاسخگوی طیف بیشتری از نیازهای سازمانی باشد.

اگر یک یا دو GPU برای پروژه کافی باشد، ممکن است خرید یک ProLiant سازگار با GPU اقتصادی‌تر باشد. اما زمانی که تعداد زیادی GPU، ارتباط سریع میان آن‌ها و پردازش موازی سنگین مطرح شود، بررسی Apollo اهمیت بیشتری پیدا می‌کند.

 تفاوت Apollo و ProLiant از نظر Storage

در سرورهای ProLiant، مدل‌هایی مثل DL380 می‌توانند Storage داخلی قابل توجهی در اختیار کاربر قرار دهند و برای Database، Virtualization، File Server و بسیاری از پروژه‌های سازمانی مناسب باشند.

اما Apollo 4200 با هدف دیگری طراحی شده و Storage Density بالاتر یکی از ویژگی‌های اصلی آن است. بنابراین اگر قرار باشد تعداد زیادی درایو و ظرفیت ذخیره‌سازی بالا در فضای محدود رک ایجاد شود، معماری Apollo 4200 می‌تواند مناسب‌تر باشد.

انتخاب میان این دو کاملاً به پروژه بستگی دارد. برای یک File Server معمولی، استفاده از Apollo 4200 ممکن است هزینه و پیچیدگی غیرضروری ایجاد کند، اما در Data Lake یا زیرساختی با حجم بسیار زیاد اطلاعات شرایط متفاوت خواهد بود.

تفاوت Apollo و ProLiant از نظر مدیریت و نگهداری

سرورهای ProLiant در بسیاری از سازمان‌ها رایج هستند و به همین دلیل مدیران شبکه و کارشناسان سخت‌افزار معمولاً آشنایی بیشتری با ساختار آن‌ها دارند. مدل‌های DL همچنین برای استفاده مستقل طراحی شده‌اند و تعویض یا ارتقای قطعات در بسیاری از پروژه‌ها ساده‌تر است.

در Apollo مخصوصاً زمانی که چند Node، Chassis مشترک یا چند GPU وجود دارد، مدیریت زیرساخت می‌تواند تخصصی‌تر شود. سازگاری Node با Chassis، برق، Cooling، Firmware و قطعات جانبی اهمیت بیشتری پیدا می‌کند.

این موضوع در خرید سرور Apollo استوک اهمیت بالاتری هم دارد. باید دقیقاً مشخص باشد که شاسی، Node، رایزرها، Power Supply، کارت شبکه و دیگر قطعات متعلق به چه نسل و چه پلتفرمی هستند.

 سرور Apollo یا HPE DL

پاسخ کوتاه این است که هیچ‌کدام به صورت مطلق بهتر نیستند. انتخاب بین Apollo و HPE DL کاملاً به نوع Workload، بودجه، فضای رک و برنامه توسعه زیرساخت بستگی دارد.

اگر یک شرکت قصد اجرای سرویس‌هایی مانند مجازی‌سازی عمومی، Database، Active Directory، ERP، File Server یا نرم‌افزارهای سازمانی را داشته باشد، سرورهای سری DL معمولاً انتخاب ساده‌تر و منطقی‌تری هستند. سری ProLiant DL هنوز هم در نسل‌های جدید HPE حضور گسترده‌ای دارد و مدل‌هایی مانند DL360 و DL380 در چند نسل مختلف عرضه شده‌اند.

اما زمانی که پروژه وارد حوزه HPC، AI Training، GPU Computing، Scale-Out یا Dense Storage می‌شود، بررسی خانواده Apollo اهمیت بیشتری پیدا می‌کند.

به صورت ساده می‌توان تصمیم اولیه را این‌طور گرفت:

نیاز شما	انتخاب مناسب‌تر برای بررسی
مجازی‌سازی عمومی	HPE ProLiant DL
Active Directory و سرویس‌های شبکه	HPE ProLiant DL
Database سازمانی	HPE ProLiant DL
ERP و نرم‌افزارهای سازمانی	HPE ProLiant DL
HPC در مقیاس بالا	HPE Apollo
AI Training با چند GPU	مدل‌های GPU محور HPE Apollo
کلاستر با تعداد زیاد Node	مدل‌های Compute محور HPE Apollo
Dense Storage و Data Lake	خانواده Apollo 4000 و 4200
یک یا چند GPU برای پروژه متوسط	بسته به کانفیگ، ProLiant یا Apollo

بنابراین قبل از خرید نباید تصمیم را صرفاً بر اساس نام Apollo یا DL گرفت. ابتدا باید مشخص شود چه نرم‌افزاری اجرا می‌شود، چه میزان CPU و RAM لازم است، آیا GPU نیاز دارید، حجم Storage چقدر است و زیرساخت در آینده تا چه اندازه توسعه پیدا خواهد کرد. بعد از مشخص شدن این موارد می‌توان تصمیم گرفت سرور HPE Apollo انتخاب مناسب‌تری است یا یکی از مدل‌های HPE ProLiant DL.

 مزایای سرور اپولو HP

•  چگالی پردازشی بالا و امکان استفاده بهینه از فضای رک
•  مناسب برای خرید سرور اپولو HP جهت راه‌اندازی پروژه‌های HPC
•  امکان استفاده از چند Node پردازشی در مدل‌های سازگار
•  گزینه مناسب برای خرید سرور Apollo در پروژه‌های Scale-Out
•  پشتیبانی از پردازش‌های سنگین و محاسبات موازی
•  مناسب برای خرید سرور اپولو HP در پروژه‌های هوش مصنوعی و Machine Learning
•  امکان استفاده از GPUهای قدرتمند در مدل‌های GPU محور مانند Apollo 6500
•  مناسب برای Deep Learning و GPU Computing
•  ظرفیت Storage بالا در مدل‌هایی مانند Apollo 4200
•  گزینه مناسب برای خرید سرور Apollo جهت Big Data و Data Analytics
•  امکان ایجاد کلاسترهای پردازشی با تعداد بالای Node
•  استفاده بهتر از فضای دیتاسنتر نسبت به تعداد زیادی سرور مستقل در Workloadهای مناسب
•  قابلیت انتخاب مدل متناسب با CPU، GPU یا Storage موردنیاز پروژه
•  امکان توسعه زیرساخت متناسب با افزایش حجم پردازش
•  مناسب برای مراکز تحقیقاتی، دانشگاه‌ها و دیتاسنترهای حرفه‌ای
•  قابلیت استفاده از شبکه‌های پرسرعت در کانفیگ‌های سازگار
•  امکان مدیریت حرفه‌ای سخت‌افزار و Nodeها با ابزارهای HPE
•  مناسب برای خرید سرور اپولو HP در پروژه‌هایی که تراکم سخت‌افزاری اهمیت بالایی دارد
•  تنوع مدل برای پردازش، ذخیره‌سازی و Workloadهای تخصصی
•  امکان انتخاب کانفیگ متناسب با بودجه و نیاز فنی هنگام خرید سرور Apollo
•  مناسب برای سازمان‌هایی که قصد توسعه تدریجی زیرساخت پردازشی را دارند
•  امکان خرید سرور اپولو HP با کانفیگ متناسب با HPC، AI، Big Data یا Dense Storage

راهنمای خرید سرور Apollo HP

خرید سرور Apollo HP باید بر اساس نوع پروژه انجام شود، نه صرفاً قدرت سخت‌افزاری یا مدل سرور. دو سرور Apollo ممکن است از نظر ظاهری شبیه باشند، اما تفاوت در CPU، تعداد Node، GPU، RAM، Storage و تجهیزات شبکه می‌تواند کاربرد و قیمت آن‌ها را کاملاً تغییر دهد.

قبل از خرید سرور اپولو HP بهتر است ابتدا Workload اصلی مجموعه را مشخص کنید و بعد سراغ انتخاب مدل بروید. برای مثال سروری که برای یک کلاستر HPC مناسب است، الزاماً بهترین گزینه برای ذخیره‌سازی حجم بالای داده نیست و مدلی که برای AI Training انتخاب می‌شود ممکن است هزینه غیرضروری برای یک پروژه پردازشی معمولی ایجاد کند.

اولین مرحله در خرید سرور Apollo مشخص کردن کاری است که قرار است روی سرور انجام شود. این موضوع تعیین می‌کند باید روی CPU، GPU، RAM، Storage یا تعداد Node تمرکز بیشتری داشته باشید. HPC، هوش مصنوعی، Machine Learning، Deep Learning، Big Data، Data Analytics، ذخیره‌سازی حجیم، شبیه‌سازی علمی و کلاسترهای پردازشی از مهم‌ترین کاربردهایی هستند که باید قبل از خرید در نظر گرفته شوند.

یکی از مهم‌ترین تصمیم‌ها هنگام خرید سرور Apollo این است که پروژه بیشتر به CPU نیاز دارد یا GPU. اگر نرم‌افزار شما عمدتاً از پردازنده استفاده می‌کند، تعداد Core، تعداد Socket، فرکانس CPU و پهنای باند حافظه اهمیت بیشتری دارند. اما اگر هدف اجرای Deep Learning، AI Training یا پردازش‌های شتاب‌یافته باشد، مدل و تعداد GPUها اهمیت بیشتری پیدا می‌کند.

قبل از خرید سرور اپولو HP بهتر است بررسی شود نرم‌افزار مورد استفاده واقعاً از GPU و پردازش موازی پشتیبانی می‌کند یا خیر. خرید GPUهای قدرتمند برای نرم‌افزاری که توان استفاده از آن‌ها را ندارد، فقط هزینه خرید سرور را افزایش می‌دهد.

مقدار RAM نیز باید بر اساس حجم داده و نوع پردازش تعیین شود. انتخاب حافظه کمتر از نیاز می‌تواند باعث کاهش عملکرد سرور شود و خرید مقدار بسیار بیشتر از نیاز نیز هزینه سرور را بدون ایجاد مزیت واقعی افزایش می‌دهد. ظرفیت کل RAM، تعداد DIMM، سرعت حافظه، تعداد کانال‌ها و امکان ارتقا در آینده باید هنگام خرید سرور Apollo بررسی شوند.

در پروژه‌هایی که حجم بالایی از اطلاعات دارند، Storage یکی از مهم‌ترین معیارهای انتخاب است. تعداد Drive، ظرفیت ذخیره‌سازی، HDD یا SSD بودن درایوها، نیاز به NVMe، نوع RAID Controller و امکان توسعه Storage در آینده باید مشخص شوند. اگر ظرفیت بالا اولویت اصلی باشد، مدل‌هایی مانند Apollo 4200 می‌توانند گزینه مناسبی برای بررسی باشند.

در پروژه‌های Scale-Out و HPC تعداد Node اهمیت زیادی دارد. قبل از خرید سرور اپولو HP باید مشخص شود پروژه در ابتدا به چند Node نیاز دارد و در آینده تا چه اندازه توسعه پیدا خواهد کرد. ظرفیت Chassis، نوع Node سازگار، نحوه ارتباط Nodeها، شبکه Cluster، فضای رک و مصرف برق کل هم باید هم‌زمان بررسی شوند.

شبکه نیز در سرور Apollo اهمیت زیادی دارد. در یک کلاستر پردازشی، Nodeها ممکن است حجم زیادی از داده را با یکدیگر جابه‌جا کنند و سرعت پایین شبکه می‌تواند عملکرد کل سیستم را محدود کند. سرعت کارت شبکه، تعداد Port، Switch و Latency شبکه باید متناسب با نوع پروژه انتخاب شوند.

فضای رک یکی دیگر از موارد مهم قبل از خرید است. مدل‌های مختلف Apollo ساختار متفاوتی دارند و علاوه بر فضای خود سرور، باید فضای تجهیزات شبکه، کابل‌کشی، PDU و جریان هوا نیز در نظر گرفته شود. بررسی تعداد یونیت، عمق رک و فضای توسعه آینده می‌تواند از مشکلات بعد از خرید جلوگیری کند.

برق و Cooling نیز در خرید سرور Apollo اهمیت زیادی دارند. کانفیگ‌های مجهز به چند CPU یا چند GPU می‌توانند مصرف برق و تولید حرارت بالایی داشته باشند. توان Power Supply، ظرفیت PDU، برق موردنیاز رک، سیستم سرمایش و جریان هوای دیتاسنتر باید قبل از خرید بررسی شوند.

در خرید سرور Apollo استوک، بررسی سلامت قطعات اهمیت بیشتری پیدا می‌کند. CPU، RAM، GPU، HDD، SSD، RAID Controller، Network Adapter، Riser، Power Supply، Fan، Chassis و Node باید از نظر سلامت و سازگاری بررسی شوند. همچنین باید مشخص شود قطعات موردنیاز برای تعمیر یا ارتقای دستگاه در آینده در بازار قابل تهیه هستند یا خیر.

قبل از خرید سرور اپولو HP استوک بهتر است نسل دقیق دستگاه، مدل Chassis، مدل Node، نسخه Firmware، عملکرد HPE iLO، سلامت هاردها و وضعیت پاورها هم بررسی شوند. شرایط گارانتی و سابقه تعمیر دستگاه نیز می‌تواند در تصمیم نهایی تأثیرگذار باشد.

در نهایت خرید سرور اپولو HP زمانی نتیجه بهتری خواهد داشت که سرور بر اساس Workload واقعی مجموعه کانفیگ شود. مشخص کردن CPU، GPU، RAM، Storage، Network، تعداد Node، فضای رک، برق و Cooling قبل از خرید باعث می‌شود هم عملکرد مناسب‌تری دریافت کنید و هم هزینه‌ای برای سخت‌افزارهایی که موردنیاز پروژه نیستند پرداخت نکنید.

 چک لیست خرید سرور Apollo HP

•  نوع Workload پروژه را مشخص کنید.
•  مدل مناسب Apollo را بر اساس کاربرد انتخاب کنید.
•  تعداد CPU و Core موردنیاز را بررسی کنید.
•  در صورت نیاز، تعداد و مدل GPU را مشخص کنید.
•  ظرفیت RAM موردنیاز را محاسبه کنید.
•  نوع و ظرفیت Storage را مشخص کنید.
•  تعداد Node و برنامه توسعه آینده را در نظر بگیرید.
•  سرعت و نوع شبکه موردنیاز Cluster را بررسی کنید.
•  فضای رک موجود در دیتاسنتر را بررسی کنید.
•  ظرفیت برق و PDU را بررسی کنید.
•  توان سیستم Cooling دیتاسنتر را مشخص کنید.
•  سازگاری Node، Chassis و قطعات را کنترل کنید.
•  امکان ارتقای CPU، RAM، GPU و Storage را بررسی کنید.
•  در خرید مدل‌های استوک، سلامت کامل قطعات را بررسی کنید.
•  قبل از خرید سرور Apollo قیمت کانفیگ کامل را استعلام کنید.

در نهایت خرید سرور اپولو HP زمانی نتیجه بهتری خواهد داشت که به جای انتخاب یک کانفیگ آماده، سرور بر اساس Workload واقعی مجموعه انتخاب شود. مشخص کردن CPU، GPU، RAM، Storage، Network، فضای رک، برق و Cooling قبل از خرید باعث می‌شود هم عملکرد مناسب‌تری دریافت کنید و هم هزینه‌ای برای سخت‌افزارهایی که موردنیاز پروژه نیستند پرداخت نکنید.

معیار خرید	چه چیزی باید بررسی شود؟	اهمیت در انتخاب سرور Apollo
نوع Workload	HPC، هوش مصنوعی، Big Data، Storage یا پردازش علمی	تعیین‌کننده مدل مناسب Apollo
CPU	تعداد Core، تعداد Socket، فرکانس و نسل پردازنده	مهم برای پردازش‌های CPU محور و HPC
GPU	مدل، تعداد GPU و ظرفیت حافظه گرافیکی	مهم برای AI، Deep Learning و GPU Computing
RAM	ظرفیت، سرعت، تعداد DIMM و امکان ارتقا	تأثیر مستقیم بر پردازش داده و Workloadهای سنگین
Storage	HDD، SSD، NVMe، ظرفیت و تعداد Drive	مهم برای Big Data، Data Lake و ذخیره‌سازی حجیم
تعداد Node	تعداد Node فعلی و ظرفیت توسعه آینده	مهم برای معماری Scale-Out و Cluster
شبکه	سرعت کارت شبکه، تعداد Port، Switch و Latency	مهم برای ارتباط سریع میان Nodeها
فضای رک	تعداد یونیت، عمق رک و فضای توسعه	جلوگیری از محدودیت هنگام نصب و توسعه
برق	توان Power Supply، ظرفیت PDU و مصرف کل	بسیار مهم در کانفیگ‌های چند CPU و چند GPU
Cooling	ظرفیت سرمایش و جریان هوای دیتاسنتر	ضروری برای سرورهای High Density
وضعیت قطعات	سلامت CPU، RAM، GPU، Storage، Fan و Power	مخصوصاً هنگام خرید سرور Apollo استوک
امکان ارتقا	دسترسی به RAM، CPU، GPU، Storage و قطعات یدکی	مهم برای کاهش هزینه توسعه آینده

خرید سرور Apollo نو یا استوک

انتخاب بین سرور Apollo نو و استوک بیشتر از هر چیز به بودجه، نوع پروژه، نسل موردنیاز و مدت زمانی که قرار است از سرور استفاده کنید بستگی دارد. در بازار ایران بسیاری از مدل‌های HPE Apollo به صورت استوک در دسترس هستند و به همین دلیل خرید سرور Apollo استوک می‌تواند برای پروژه‌هایی که بودجه محدودتری دارند گزینه قابل بررسی باشد.

خرید سرور اپولو HP استوک معمولاً هزینه اولیه کمتری نسبت به تهیه تجهیزات نو دارد و در بعضی پروژه‌ها می‌توان با همان بودجه به CPU، RAM یا Storage قوی‌تری دست پیدا کرد. این موضوع مخصوصاً برای کلاسترهای HPC، محیط‌های آزمایشگاهی، دانشگاه‌ها و مجموعه‌هایی که به چند Node پردازشی نیاز دارند اهمیت بیشتری پیدا می‌کند.

با این حال قیمت پایین‌تر نباید تنها معیار خرید باشد. هنگام خرید سرور Apollo استوک باید وضعیت Chassis، Node، پردازنده، RAM، GPU، هارد، Power Supply، فن‌ها و تجهیزات شبکه به صورت کامل بررسی شود. در مدل‌های قدیمی‌تر، امکان تهیه قطعات یدکی نیز اهمیت زیادی دارد؛ چون ممکن است بعضی قطعات اختصاصی Apollo به راحتی مدل‌های ProLiant در بازار پیدا نشوند.

اگر پروژه قرار است برای چند سال به صورت مداوم و با حساسیت بالا فعالیت کند، باید وضعیت پشتیبانی نسل موردنظر نیز بررسی شود. بعضی مدل‌های Apollo قدیمی‌تر دیگر جزو محصولات جاری HPE نیستند و خرید آن‌ها بیشتر در بازار تجهیزات استوک انجام می‌شود. در چنین شرایطی بررسی امکان تأمین قطعات و ارتقا در آینده قبل از خرید سرور اپولو HP ضروری است.

در خرید Apollo استوک، سلامت GPU اهمیت بیشتری دارد. مدل‌هایی مانند Apollo 6500 ممکن است برای مدت طولانی زیر بار پردازشی سنگین کار کرده باشند و به همین دلیل تنها روشن شدن دستگاه نمی‌تواند معیار مناسبی برای سلامت آن باشد. تست GPU، بررسی دما، وضعیت فن‌ها و اجرای تست‌های پردازشی قبل از خرید می‌تواند ریسک انتخاب سخت‌افزار معیوب را کاهش دهد.

وضعیت Storage نیز باید به صورت جداگانه بررسی شود. عمر هاردها و SSDها، تعداد ساعات کارکرد، وضعیت SMART و سلامت RAID از مواردی هستند که هنگام خرید یک سرور Apollo کارکرده باید کنترل شوند. در بسیاری از موارد حتی اگر خود سرور شرایط مناسبی داشته باشد، تعویض Storage فرسوده می‌تواند تصمیم منطقی‌تری باشد.

خرید سرور Apollo نو مزیت‌هایی مانند سخت‌افزار جدیدتر، ریسک کمتر خرابی اولیه و امکان استفاده طولانی‌تر از نسل دستگاه دارد، اما هزینه خرید بالاتر خواهد بود. برای مجموعه‌ای که به یک زیرساخت Mission Critical نیاز دارد، هزینه توقف سرویس بسیار بالاست یا قصد استفاده طولانی‌مدت از سیستم را دارد، خرید تجهیزات جدیدتر می‌تواند منطقی‌تر باشد.

در مقابل اگر هدف ایجاد محیط تست، کلاستر تحقیقاتی، زیرساخت HPC با بودجه محدود یا توسعه یک سیستم موجود باشد، خرید سرور Apollo استوک سالم می‌تواند نسبت قیمت به عملکرد مناسبی ارائه دهد.

هنگام تصمیم‌گیری بین Apollo نو و استوک، بهتر است هزینه کل پروژه را در نظر بگیرید. قیمت اولیه تنها بخشی از هزینه است و مواردی مانند مصرف برق، تعمیرات، تهیه قطعات یدکی، ارتقا، Storage جدید و گارانتی نیز می‌توانند روی هزینه نهایی تأثیر بگذارند.

معیار مقایسه	سرور Apollo نو	سرور Apollo استوک
هزینه خرید اولیه	بالاتر	معمولاً پایین‌تر
ریسک فرسودگی قطعات	کمتر	وابسته به سلامت و سابقه دستگاه
امکان تهیه کانفیگ قوی با بودجه محدود	محدودتر	بیشتر
دسترسی به نسل‌های جدید	بیشتر	معمولاً نسل‌های قدیمی‌تر
نیاز به تست فنی قبل از خرید	کمتر	بسیار مهم
تأمین قطعات یدکی	معمولاً ساده‌تر در نسل‌های جدید	باید قبل از خرید بررسی شود
مناسب پروژه‌های حساس	انتخاب مطمئن‌تر	در صورت تست کامل و داشتن قطعات یدکی قابل بررسی است
مناسب پروژه‌های اقتصادی و تحقیقاتی	هزینه بالاتر	گزینه قابل توجه

در نهایت نمی‌توان گفت خرید سرور Apollo نو همیشه بهتر از استوک است یا برعکس. اگر دستگاه استوک از نظر Chassis، Node، CPU، RAM، GPU، Storage، Power و سیستم خنک‌کننده تست شده باشد و قطعات موردنیاز آن نیز در بازار قابل تهیه باشند، می‌تواند گزینه اقتصادی مناسبی باشد. اما در پروژه‌هایی که پایداری طولانی‌مدت و کاهش ریسک خرابی اهمیت بالاتری دارد، انتخاب نسل‌های جدیدتر معمولاً تصمیم مطمئن‌تری خواهد بود.

قیمت سرور Apollo HP

قیمت سرور Apollo HP عدد ثابتی ندارد و نمی‌توان برای تمام مدل‌های این خانواده یک قیمت مشخص اعلام کرد. Apollo بیشتر در پروژه‌های تخصصی استفاده می‌شود و قیمت نهایی آن به مدل سرور، نسل، نوع Chassis، تعداد Node، پردازنده، ظرفیت RAM، نوع GPU، فضای ذخیره‌سازی و تجهیزات جانبی بستگی دارد. به همین دلیل ممکن است دو سرور Apollo که از نظر ظاهری شبیه یکدیگر هستند، اختلاف قیمت قابل توجهی داشته باشند.

موضوع دیگری که روی قیمت سرور Apollo تأثیر می‌گذارد، وضعیت دستگاه در بازار است. بسیاری از مدل‌های Apollo که در بازار تجهیزات سرور ایران پیدا می‌شوند ممکن است استوک، کارکرده یا مربوط به نسل‌های قبلی باشند. در چنین شرایطی سلامت Chassis، Nodeها، پاورها، هاردها و سایر قطعات باید در کنار قیمت بررسی شود.

اگر هدف شما خرید سرور اپولو HP برای HPC، هوش مصنوعی، Big Data یا پردازش‌های سنگین است، بهتر است قبل از استعلام قیمت ابتدا کانفیگ موردنیاز پروژه مشخص شود. استعلام قیمت بدون تعیین CPU، RAM، GPU و Storage معمولاً اطلاعات دقیقی برای تصمیم‌گیری در اختیار شما قرار نمی‌دهد.

عوامل موثر بر قیمت سرور Apollo

قیمت نهایی یک سرور HPE Apollo می‌تواند تحت تأثیر تعداد زیادی از قطعات و مشخصات فنی قرار بگیرد. مهم‌ترین عوامل عبارت‌اند از:

• مدل سرور Apollo
• نسل دستگاه
• مدل و نوع Chassis
• تعداد Server Node
• مدل پردازنده
• تعداد CPU
• تعداد Core پردازنده
• ظرفیت RAM
• تعداد و مدل GPU
• ظرفیت حافظه GPU
• نوع و ظرفیت Storage
• تعداد هارد یا SSD
• استفاده از NVMe
• RAID Controller یا HBA
• کارت شبکه
• تجهیزات High-Speed Networking
• تعداد و توان Power Supply
• Rail Kit و تجهیزات نصب در رک
• وضعیت نو یا استوک دستگاه
• سلامت قطعات
• امکان تهیه قطعات یدکی
• گارانتی و خدمات پس از فروش

در بعضی پروژه‌ها GPU می‌تواند یکی از گران‌ترین بخش‌های کانفیگ باشد. برای مثال قیمت یک Apollo مخصوص AI که چند GPU قدرتمند دارد با یک Apollo مبتنی بر CPU برای پردازش‌های عمومی HPC قابل مقایسه نیست.

مدل  Apollo  و تأثیر آن روی قیمت

یکی از اولین عوامل تعیین‌کننده قیمت، خانواده‌ای است که انتخاب می‌کنید. Apollo 2000، Apollo 4200 و Apollo 6500 برای کاربردهای متفاوتی طراحی شده‌اند و ساختار سخت‌افزاری آن‌ها نیز با یکدیگر فرق دارد.

برای مثال Apollo 2000 بیشتر به عنوان یک پلتفرم Compute Density و Multi-Node شناخته می‌شود. در چنین سیستمی تعداد Nodeها، پردازنده و RAM هر Node روی هزینه نهایی تأثیر زیادی دارند.

در Apollo 4200 بخش Storage اهمیت بیشتری پیدا می‌کند. تعداد Drive Bayها، ظرفیت هاردها، نوع SSD یا NVMe و Controller مورد استفاده می‌توانند بخش قابل توجهی از هزینه سرور را تشکیل دهند.

در Apollo 6500 نیز تعداد و نوع GPU می‌تواند قیمت کل سیستم را به شکل محسوسی تغییر دهد. بنابراین مقایسه قیمت مدل‌های مختلف Apollo بدون در نظر گرفتن کاربرد آن‌ها مقایسه دقیقی نیست.

CPU و RAM تاثیر این دو روی قیمت سرور Apollo

CPU و RAM از مهم‌ترین اجزای هر کانفیگ Apollo هستند. پردازنده‌هایی با تعداد Core بالاتر یا مدل‌های رده بالاتر معمولاً هزینه بیشتری دارند و اگر سرور دارای دو پردازنده باشد، این اختلاف هزینه بیشتر خواهد شد.

در پروژه‌های HPC گاهی تعداد Core اهمیت بیشتری از فرکانس پردازنده دارد، در حالی که بعضی نرم‌افزارها به فرکانس بالاتر وابستگی بیشتری دارند. بنابراین خرید گران‌ترین CPU همیشه به معنی دریافت بهترین عملکرد نیست.

ظرفیت RAM نیز روی قیمت سرور Apollo اثر مستقیم دارد. اگر پروژه به صدها گیگابایت یا چند ترابایت حافظه نیاز داشته باشد، هزینه Memory می‌تواند بخش قابل توجهی از قیمت کل سرور باشد.

قبل از افزایش RAM باید مشخص شود Workload واقعاً چه مقدار حافظه نیاز دارد. خرید ظرفیت بسیار بیشتر از نیاز پروژه ممکن است فقط هزینه خرید را بالا ببرد، بدون اینکه افزایش محسوسی در عملکرد ایجاد کند.

GPU و تأثیر آن روی قیمت Apollo

در سرورهای GPU محور، شتاب‌دهنده‌های گرافیکی یکی از مهم‌ترین عوامل تعیین‌کننده قیمت هستند. اگر Apollo برای هوش مصنوعی، Deep Learning یا GPU Computing خریداری شود، مدل و تعداد GPUها می‌توانند اختلاف بسیار زیادی در قیمت نهایی ایجاد کنند.

برای انتخاب GPU باید موارد زیر مشخص باشند:

• نوع Workload
• تعداد GPU موردنیاز
• حافظه VRAM
• نیاز به Multi-GPU
• نوع ارتباط میان GPUها
• سازگاری نرم‌افزار
• توان مصرفی
• نیاز به Cooling

اگر نرم‌افزار شما نتواند از چند GPU استفاده کند، پرداخت هزینه برای تعداد بالای شتاب‌دهنده منطقی نیست. در مقابل، در AI Training یا محاسبات علمی بزرگ، GPU می‌تواند بخش اصلی توان پردازشی سیستم باشد.

Storage و تأثیرش روی قیمت سرور Apollo

نوع Storage نیز می‌تواند اختلاف قابل توجهی در قیمت ایجاد کند. استفاده از HDDهای پرظرفیت معمولاً برای آرشیو و ذخیره حجم زیادی از داده اقتصادی‌تر است، در حالی که SSD و به‌خصوص NVMe برای Workloadهایی که سرعت I/O اهمیت دارد استفاده می‌شوند.

برای محاسبه قیمت Storage باید علاوه بر ظرفیت، موارد زیر را هم در نظر گرفت:

• تعداد Drive
• نوع HDD یا SSD
• SAS یا SATA
• NVMe
• ظرفیت هر Drive
• RAID Controller
• HBA
• نیاز به Redundancy
• Hot Spare
• نوع RAID

برای مثال یک Apollo 4200 که با تعداد زیادی HDD پرظرفیت برای آرشیو داده کانفیگ شده است، ساختار هزینه متفاوتی نسبت به همان سیستم با تعداد زیادی SSD یا NVMe خواهد داشت.

قیمت Apollo بدون مشخص کردن کانفیگ دقیق نیست

عبارت‌هایی مثل «قیمت Apollo 6500» یا «قیمت Apollo 4200» به تنهایی برای مشخص کردن هزینه واقعی کافی نیستند. یک مدل سرور می‌تواند با چندین ترکیب مختلف CPU، RAM، GPU، Storage و Network عرضه شود.

برای مثال فرض کنید دو سرور Apollo 6500 وجود دارند. یکی از آن‌ها تعداد محدودی GPU و RAM دارد، اما دیگری برای AI Training با چند GPU رده‌بالا، RAM بیشتر و شبکه پرسرعت کانفیگ شده است. طبیعی است که قیمت این دو سیستم با وجود یکسان بودن نام خانواده، تفاوت زیادی داشته باشد.

به همین دلیل هنگام استعلام قیمت سرور اپولو HP بهتر است حداقل این اطلاعات مشخص باشند:

• مدل دقیق Apollo
• نوع Workload
• تعداد CPU
• ظرفیت RAM
• تعداد و مدل GPU
• ظرفیت Storage
• نوع شبکه
• تعداد Node
• بودجه تقریبی پروژه

هرچه این اطلاعات دقیق‌تر باشند، امکان پیشنهاد کانفیگ مناسب و اعلام قیمت واقعی‌تر بیشتر خواهد بود.

تفاوت قیمت سرور Apollo نو و استوک

یکی از گزینه‌های موجود در بازار تجهیزات دیتاسنتر، خرید سرور Apollo استوک است. برخی مدل‌های Apollo به دلیل توقف تولید یا ورود نسل‌های جدیدتر، بیشتر در بازار تجهیزات استوک پیدا می‌شوند.

سرور استوک معمولاً قیمت پایین‌تری نسبت به سیستم نو دارد، اما پایین بودن قیمت نباید تنها معیار انتخاب باشد. هنگام خرید باید سلامت قطعات، شرایط Chassis، وضعیت Nodeها، Power Supply، فن‌ها، Storage و سایر اجزا بررسی شود.

در سرورهای تخصصی مانند Apollo، امکان تهیه قطعات یدکی نیز اهمیت زیادی دارد. ممکن است یک سیستم با قیمت بسیار مناسب عرضه شود، اما قطعه‌ای خاص از همان نسل به سختی در بازار پیدا شود و هزینه نگهداری آن را افزایش دهد.

بنابراین هنگام مقایسه قیمت Apollo نو و استوک بهتر است قیمت خرید اولیه را در کنار هزینه نگهداری و امکان تأمین قطعات بررسی کنید.

اطلاعات لازم برای استعلام قیمت سرور Apollo

اگر قصد خرید سرور Apollo دارید، ارسال اطلاعات پروژه می‌تواند انتخاب کانفیگ را سریع‌تر و دقیق‌تر کند. قبل از استعلام قیمت بهتر است موارد زیر را مشخص کنید:

• سرور برای چه کاری استفاده می‌شود؟
• چه نرم‌افزاری قرار است اجرا شود؟
• پردازش بیشتر CPU محور است یا GPU محور؟
• چه تعداد Core نیاز دارید؟
• ظرفیت RAM موردنیاز چقدر است؟
• چند GPU نیاز دارید؟
• چه مقدار Storage لازم دارید؟
• سرعت Storage چقدر اهمیت دارد؟
• آیا به چند Node نیاز دارید؟
• فضای رک در دسترس چقدر است؟
• زیرساخت برق و Cooling چه ظرفیتی دارد؟
• آیا دستگاه نو می‌خواهید یا استوک؟
• بودجه تقریبی پروژه چقدر است؟

با مشخص شدن این موارد می‌توان به جای اعلام یک قیمت کلی، کانفیگی متناسب با نیاز واقعی پروژه انتخاب کرد.

استعلام قیمت سرور Apollo از گلد سرور

برای دریافت قیمت سرور Apollo بهتر است مدل یا مشخصات Workload موردنظر خود را در اختیار کارشناسان گلد سرور قرار دهید. اگر مدل دقیق را نمی‌دانید، می‌توان ابتدا نوع پردازش، میزان RAM، نیاز به GPU، ظرفیت Storage و برنامه توسعه زیرساخت را مشخص کرد و سپس سراغ انتخاب خانواده و کانفیگ مناسب رفت.

این روش کمک می‌کند هزینه صرف سخت‌افزاری شود که واقعاً در پروژه مورد استفاده قرار می‌گیرد. در بسیاری از پروژه‌ها انتخاب کانفیگ متعادل می‌تواند از خرید CPU، GPU یا RAM بیش از نیاز جلوگیری کند و در عین حال امکان ارتقای آینده را نیز حفظ کند.

سرور Apollo مناسب برای شما

انتخاب بهترین سرور Apollo بیشتر از اینکه به قدرت خام سخت‌افزار بستگی داشته باشد، به نوع Workload شما مربوط است. ممکن است یک Apollo 6500 از نظر GPU بسیار قدرتمند باشد، اما اگر پروژه شما فقط به فضای ذخیره‌سازی بالا نیاز داشته باشد، این قدرت عملاً استفاده نمی‌شود و هزینه زیادی به مجموعه تحمیل می‌کند.

برای انتخاب سرور اپولو HP بهتر است ابتدا مشخص کنید مهم‌ترین نیاز پروژه چیست. آیا تعداد بالای Core نیاز دارید؟ آیا پردازش شما GPU محور است؟ حجم داده بسیار زیاد است؟ به چند Node نیاز دارید؟ یا هدف اصلی شما ساخت یک کلاستر HPC است؟

بعد از مشخص شدن این موارد می‌توان خانواده مناسب Apollo را انتخاب کرد و سپس وارد مرحله تعیین CPU، RAM، Storage، GPU و Network شد.

نوع نیاز	خانواده Apollo پیشنهادی برای بررسی	دلیل انتخاب
Compute Density	HPE Apollo 2000	مناسب برای قرار دادن چند Node پردازشی در فضای محدود رک
کلاستر HPC	Apollo 2000 یا خانواده‌های Compute محور Apollo	مناسب برای Scale-Out و پردازش‌های چند Node
Big Data	HPE Apollo 4000 و Apollo 4200	تمرکز بیشتر روی Workloadهای Data Intensive
ذخیره‌سازی حجیم	HPE Apollo 4200	Storage Density بالا و پشتیبانی از تعداد زیاد درایو
هوش مصنوعی	HPE Apollo 6500	مناسب برای پردازش‌های GPU محور
Deep Learning	HPE Apollo 6500	قابلیت استفاده از چند GPU قدرتمند
شبیه‌سازی علمی	Apollo 2000، 6000 یا 6500 بسته به نرم‌افزار	امکان استفاده از CPU یا GPU در پردازش‌های موازی
Data Analytics	HPE Apollo 4200	ترکیب ظرفیت Storage بالا و منابع پردازشی

اگر به Compute Density بالا نیاز دارید

اگر پروژه شما به تعداد زیادی Node پردازشی نیاز دارد و فضای رک محدود است، خانواده Apollo 2000 یکی از گزینه‌هایی است که باید بررسی شود. معماری Multi-Node این سری اجازه می‌دهد چند Server Node در یک شاسی قرار بگیرند و به همین دلیل برای محیط‌های Scale-Out و کلاسترهای پردازشی مناسب است.

این نوع طراحی بیشتر برای مراکز تحقیقاتی، دانشگاه‌ها، دیتاسنترها و مجموعه‌هایی ارزش دارد که قرار است تعداد زیادی Job پردازشی را میان چند Node تقسیم کنند.

اگر فقط یک یا دو سرور نیاز دارید، مزیت Density ممکن است اهمیت چندانی برای شما نداشته باشد و یک سرور ProLiant DL انتخاب ساده‌تری باشد.

 اگر حجم زیادی از داده دارید

اگر مهم‌ترین مسئله پروژه حجم Storage است، بهتر است خانواده‌های Data Intensive Apollo را بررسی کنید. Apollo 4200 یکی از مدل‌هایی است که برای قرار دادن ظرفیت بالای ذخیره‌سازی در فضای محدود طراحی شده است.

این مدل می‌تواند برای پروژه‌هایی مانند Data Lake، Big Data، آرشیو اطلاعات و Data Analytics مناسب باشد.

در چنین پروژه‌ای بهتر است قبل از خرید مشخص کنید:

• چه مقدار فضای ذخیره‌سازی نیاز دارید؟
•  HDD برای شما مناسب است یا SSD؟
•  سرعت I/O چقدر اهمیت دارد؟
•  به NVMe نیاز دارید یا خیر؟
•  چه سطحی از Redundancy نیاز دارید؟
•  حجم داده در آینده با چه سرعتی افزایش پیدا می‌کند؟

اگر هدف فقط ذخیره چند ترابایت اطلاعات برای File Server معمولی است، Apollo 4200 ممکن است بیش از نیاز پروژه باشد.

 اگر برای هوش مصنوعی سرور می‌خواهید

اگر هدف اصلی AI Training، Machine Learning یا Deep Learning است، مدل‌های GPU محور Apollo ارزش بررسی بیشتری دارند. Apollo 6500 یکی از شناخته‌شده‌ترین خانواده‌های Apollo برای این نوع Workload محسوب می‌شود.

اما قبل از خرید باید مشخص شود نرم‌افزار شما از چه GPUهایی پشتیبانی می‌کند و چند GPU واقعاً نیاز دارید. تعداد بیشتر GPU همیشه به معنی سرعت بیشتر نیست؛ زیرا نرم‌افزار باید بتواند پردازش را میان شتاب‌دهنده‌ها تقسیم کند.

برای انتخاب سرور Apollo مناسب هوش مصنوعی باید این موارد بررسی شوند:

• نوع مدل هوش مصنوعی
•  حجم Dataset
•  مدل GPU موردنیاز
•  تعداد GPU
•  میزان VRAM
•  ظرفیت RAM سیستم
•  سرعت Storage
•  پهنای باند شبکه
•  Power موردنیاز
•  Cooling دیتاسنتر

اگر پروژه در مراحل ابتدایی است و Workload بسیار سنگینی ندارد، ممکن است یک GPU Server ساده‌تر هزینه منطقی‌تری نسبت به Apollo 6500 داشته باشد.

 اگر یک کلاستر HPC می‌سازید

در یک پروژه HPC انتخاب سرور فقط به مشخصات یک دستگاه محدود نمی‌شود. باید کل کلاستر به عنوان یک سیستم واحد طراحی شود.

تعداد Node، مدل CPU، RAM هر Node، شبکه میان Nodeها، Shared Storage و نرم‌افزار مدیریت کلاستر همگی روی عملکرد نهایی اثر دارند.

در چنین پروژه‌هایی مدل‌هایی از Apollo که برای Compute Density و Scale-Out طراحی شده‌اند می‌توانند انتخاب مناسبی باشند. اگر Workload به GPU نیاز دارد، مدل‌های GPU محور نیز باید بررسی شوند.

قبل از خرید بهتر است مشخص شود نرم‌افزار تا چه تعداد Node یا Core مقیاس‌پذیر است. گاهی افزایش تعداد Node بعد از یک حد مشخص، افزایش عملکرد قابل توجهی ایجاد نمی‌کند و فقط هزینه زیرساخت را بالا می‌برد.

اگر پروژه شما CPU محور است

همه پروژه‌های HPC به GPU نیاز ندارند. بسیاری از نرم‌افزارهای مهندسی، شبیه‌سازی و محاسبات علمی همچنان وابستگی زیادی به CPU دارند.

در این پروژه‌ها باید تعداد Core، فرکانس پردازنده، تعداد Socket و پهنای باند حافظه بررسی شود.

اگر نرم‌افزار از تعداد زیادی Core استفاده کند، یک کانفیگ Multi-Node می‌تواند عملکرد مناسبی ایجاد کند. اما اگر نرم‌افزار فقط از تعداد محدودی Core استفاده کند، انتخاب پردازنده‌ای با فرکانس بالاتر ممکن است بهتر از افزایش تعداد Core باشد.

 اگر پروژه شما GPU محور است

در پروژه‌های GPU محور باید تمرکز اصلی روی مدل GPU، تعداد شتاب‌دهنده‌ها و نحوه ارتباط میان آن‌ها باشد.

این موضوع بیشتر در موارد زیر دیده می‌شود:

•  Deep Learning
•  AI Training
•  پردازش تصویر
•  بعضی شبیه‌سازی‌های علمی
•  Rendering
•  GPU Computing

در این شرایط Apollo 6500 می‌تواند یکی از گزینه‌های جدی باشد، اما هزینه خرید، Power و Cooling آن نیز باید از ابتدا محاسبه شود.

اگر برای مجازی‌سازی سرور می‌خواهید

Apollo می‌تواند در بعضی سناریوها میزبان ماشین مجازی باشد، اما اگر هدف اصلی شما Virtualization عمومی سازمانی است، معمولاً بهتر است ابتدا خانواده HPE ProLiant DL را بررسی کنید.

برای مثال اگر قرار است VMware، Hyper-V یا یک پلتفرم مجازی‌سازی مشابه برای اجرای چندین سرویس سازمانی راه‌اندازی شود، مدل‌هایی مثل DL360 یا DL380 معمولاً انعطاف‌پذیری بیشتری برای این نوع استفاده دارند.

Apollo زمانی ارزش بیشتری پیدا می‌کند که Virtualization بخشی از یک زیرساخت تخصصی با Density بسیار بالا یا Workload متفاوت باشد.

 اگر بودجه محدود دارید

اگر بودجه پروژه محدود است، بهتر است ابتدا Workload را دقیق مشخص کنید و فقط قطعاتی را انتخاب کنید که واقعاً موردنیاز هستند.

برای مثال:

•  اگر GPU نیاز ندارید، سراغ Apollo GPU محور نروید.
•  اگر Storage بسیار بالا نیاز ندارید، مدل Data Intensive انتخاب نکنید.
•  اگر فقط چند Node دارید، مزیت یک معماری بسیار متراکم ممکن است برایتان ضروری نباشد.
•  اگر نرم‌افزار از تعداد زیادی Core استفاده نمی‌کند، CPU بسیار پرهسته لزوماً بهترین انتخاب نیست.

در بازار تجهیزات استوک نیز می‌توان بعضی مدل‌های Apollo را با هزینه پایین‌تر تهیه کرد، اما سلامت سیستم و امکان تأمین قطعات باید قبل از خرید بررسی شود.

 انتخاب سرور Apollo بر اساس Workload

در یک جمع‌بندی ساده می‌توان انتخاب اولیه را به این شکل انجام داد:

•  برای Compute Density و Scale-Out: Apollo 2000
•  برای Big Data و Data Intensive Workload: Apollo 4000
•  برای Storage Density: Apollo 4200
•  برای HPC CPU محور: خانواده‌های Compute محور Apollo
•  برای AI و Deep Learning: Apollo 6500
•  برای GPU Computing: Apollo 6500
•  برای سرویس‌های عمومی سازمانی: ابتدا HPE ProLiant DL را بررسی کنید

این تقسیم‌بندی فقط نقطه شروع انتخاب است. کانفیگ نهایی باید بر اساس نرم‌افزار، تعداد کاربران یا Jobها، حجم داده، برنامه توسعه آینده، فضای رک، برق و Cooling مشخص شود.

 خرید سرور اپولو HP از گلد سرور

خرید سرور اپولو HP زمانی بهترین نتیجه را دارد که قبل از انتخاب مدل، نیاز واقعی پروژه مشخص شده باشد. تفاوت بین مدل‌های Apollo فقط به میزان قدرت پردازشی محدود نمی‌شود و هر خانواده برای نوع خاصی از Workload طراحی شده است. به همین دلیل بهتر است انتخاب سرور را از بررسی نوع پردازش، حجم داده، میزان RAM، نیاز به GPU و برنامه توسعه زیرساخت شروع کنید.

اگر هدف شما راه‌اندازی یک کلاستر HPC باشد، تعداد Node، نوع CPU، ظرفیت حافظه و سرعت ارتباط بین سرورها اهمیت زیادی پیدا می‌کند. در پروژه‌های هوش مصنوعی و Deep Learning نیز مدل و تعداد GPU، میزان VRAM، سرعت Storage و توان سیستم خنک‌کننده نقش مهم‌تری دارند. در مقابل، برای پروژه‌های Data Intensive ممکن است ظرفیت Storage، تعداد Drive Bayها و نوع هارد یا SSD مهم‌تر از قدرت GPU باشند.

در گلد سرور می‌توانید قبل از خرید، مشخصات پروژه و نوع استفاده خود را اعلام کنید تا انتخاب مدل و کانفیگ بر اساس نیاز واقعی انجام شود. این موضوع کمک می‌کند از خرید سخت‌افزار بیش از نیاز جلوگیری شود و در عین حال سرور فضای کافی برای توسعه آینده داشته باشد.

اگر هنوز بین مدل‌هایی مانند Apollo 2000، Apollo 4200 یا Apollo 6500 مردد هستید، بهتر است ابتدا نوع نرم‌افزار، حجم پردازش، میزان داده و تعداد کاربران یا Jobهای هم‌زمان مشخص شود. با این اطلاعات می‌توان دقیق‌تر بررسی کرد که کدام خانواده Apollo برای پروژه مناسب‌تر است و چه ترکیبی از CPU، RAM، GPU و Storage باید برای آن در نظر گرفته شود.

در خرید سرور Apollo استوک نیز فقط قیمت پایین‌تر نباید ملاک تصمیم‌گیری باشد. سلامت Chassis، Node، پاور، فن‌ها، RAM، Storage، کارت شبکه و در مدل‌های GPU محور وضعیت شتاب‌دهنده‌ها باید بررسی شود. همچنین امکان تأمین قطعات یدکی همان نسل اهمیت زیادی دارد، چون بعضی مدل‌های قدیمی Apollo نسبت به سرورهای رایج ProLiant قطعات اختصاصی‌تری دارند.

اگر مدل دقیق سرور را نمی‌دانید، لازم نیست انتخاب را با نام یک محصول شروع کنید. مشخص کردن نوع Workload، میزان RAM، نیاز به GPU، ظرفیت Storage و بودجه پروژه می‌تواند برای شروع کافی باشد. بر اساس همین اطلاعات می‌توان بررسی کرد که آیا سرور اپولو HP انتخاب مناسبی برای پروژه شماست یا یک سرور HPE ProLiant گزینه اقتصادی‌تر و منطقی‌تری خواهد بود.

برای استعلام قیمت و خرید سرور Apollo نیز بهتر است کانفیگ موردنظر یا مشخصات پروژه را در اختیار کارشناسان گلد سرور قرار دهید. هرچه اطلاعات فنی دقیق‌تر باشد، امکان پیشنهاد کانفیگ مناسب و اعلام قیمت واقعی‌تر بیشتر خواهد بود و می‌توان سروری انتخاب کرد که از نظر عملکرد، هزینه و قابلیت توسعه با نیاز زیرساخت شما هماهنگ باشد.

سخن پایانی درباره سرور اپولو HP

سرور اپولو HP برای پروژه‌هایی ساخته شده که در آن‌ها توان پردازشی بالا، چگالی سخت‌افزاری، پردازش موازی، GPU Computing یا ذخیره‌سازی حجیم اهمیت دارد. خانواده HPE Apollo شامل مدل‌های مختلفی است و هر سری برای نوع مشخصی از Workload طراحی شده؛ به همین دلیل انتخاب مدل مناسب باید بر اساس نیاز واقعی پروژه انجام شود، نه صرفاً قدرت سخت‌افزاری بیشتر.

اگر هدف شما HPC، هوش مصنوعی، Deep Learning، Big Data، Data Analytics یا ایجاد کلاسترهای پردازشی است، سرور Apollo می‌تواند گزینه‌ای تخصصی و قابل بررسی باشد. در مقابل، برای سرویس‌های عمومی سازمانی، مجازی‌سازی سبک یا File Server معمولی، ممکن است مدل‌های HPE ProLiant انتخاب ساده‌تر و اقتصادی‌تری باشند.

در زمان خرید سرور اپولو HP باید مواردی مثل مدل و نسل دستگاه، CPU، RAM، GPU، Storage، تعداد Node، شبکه، فضای رک، مصرف برق و سیستم Cooling به صورت هم‌زمان بررسی شوند. قیمت سرور Apollo نیز کاملاً به همین کانفیگ وابسته است و بدون مشخص شدن نیاز فنی پروژه نمی‌توان قیمت دقیقی برای آن در نظر گرفت.

اگر هنوز نمی‌دانید کدام مدل Apollo برای زیرساخت شما مناسب است، می‌توانید مشخصات Workload و نیازهای پروژه را در اختیار کارشناسان گلد سرور قرار دهید تا بر اساس نوع پردازش، بودجه و برنامه توسعه آینده، کانفیگ مناسب‌تری برای خرید انتخاب شود.

برای خرید سرور اچ پی، انتخاب مدل و کانفیگ مناسب باید بر اساس نوع کسب‌وکار، حجم پردازش، تعداد کاربران و بودجه انجام شود. در گلد سرور می‌توانید انواع سرور HP را با کانفیگ‌های مختلف بررسی کرده و متناسب با نیاز خود، گزینه مناسب‌تری برای دیتاسنتر، مجازی‌سازی، ذخیره‌سازی یا پردازش‌های سنگین انتخاب کنید. برای استعلام قیمت و دریافت مشاوره خرید سرور اچ پی، می‌توانید با کارشناسان گلد سرور در ارتباط باشید.

 سوالات متداول درباره سرور Apollo HP

1. سرور Apollo HP چیست و چه کاربردی دارد؟

سرور Apollo HP یکی از خانواده‌های تخصصی HPE برای اجرای پردازش‌های سنگین، HPC، هوش مصنوعی، Big Data و زیرساخت‌های متراکم دیتاسنتری است. مدل‌های مختلف Apollo برای نیازهای متفاوتی مثل پردازش CPU محور، GPU Computing یا ذخیره‌سازی حجم بالای داده طراحی شده‌اند. به همین دلیل قبل از خرید باید مدل متناسب با نوع Workload انتخاب شود.

2. قیمت سرور Apollo HP چقدر است؟

قیمت سرور Apollo HP به مدل، نسل، تعداد Node، نوع و تعداد CPU، ظرفیت RAM، GPU، Storage و تجهیزات شبکه بستگی دارد. همچنین نو یا استوک بودن دستگاه می‌تواند اختلاف زیادی در قیمت ایجاد کند. برای اعلام قیمت دقیق باید ابتدا کانفیگ موردنیاز پروژه مشخص شود.

3. سرور Apollo برای هوش مصنوعی مناسب است؟

بله، بعضی مدل‌های Apollo به‌خصوص خانواده Apollo 6500 برای پروژه‌های AI، Machine Learning و Deep Learning طراحی شده‌اند و امکان استفاده از چند GPU را فراهم می‌کنند. البته برای پروژه‌های سبک هوش مصنوعی همیشه خرید Apollo ضروری نیست. تعداد GPU، حجم Dataset و نوع نرم‌افزار باید قبل از انتخاب سرور بررسی شود.

 4. تفاوت سرور Apollo با سرور HPE ProLiant DL چیست؟

سرورهای ProLiant DL بیشتر برای مجازی‌سازی، Database، نرم‌افزارهای سازمانی و سرویس‌های عمومی دیتاسنتر استفاده می‌شوند. Apollo در بسیاری از مدل‌ها تمرکز بیشتری روی HPC، Compute Density، Scale-Out، GPU Computing و Data Intensive Workload دارد. بنابراین انتخاب بین Apollo و DL باید بر اساس نوع کاربرد انجام شود.

 5. کدام مدل Apollo برای من مناسب است؟

مدل مناسب به نیاز پروژه بستگی دارد. Apollo 2000 بیشتر برای Compute Density و کلاسترهای چند Node، Apollo 4200 برای Storage Density و Big Data و Apollo 6500 برای GPU Computing، هوش مصنوعی و HPC مناسب‌تر است. قبل از انتخاب مدل بهتر است CPU، GPU، RAM، Storage و برنامه توسعه آینده مشخص شوند.

 6. سرور Apollo استوک ارزش خرید دارد؟

اگر سلامت Chassis، Node، پاور، RAM، Storage و سایر قطعات بررسی شده باشد، خرید سرور Apollo استوک می‌تواند هزینه پروژه را کاهش دهد. نکته مهم این است که قبل از خرید باید امکان تهیه قطعات یدکی همان نسل نیز بررسی شود. قیمت پایین به تنهایی نباید دلیل انتخاب یک Apollo استوک باشد.

 7. آیا قطعات سرور Apollo قابل ارتقا هستند؟

بله، بسته به مدل و نسل Apollo امکان ارتقای قطعاتی مانند RAM، Storage، کارت شبکه و در برخی مدل‌ها CPU یا GPU وجود دارد. با این حال محدودیت ارتقا در هر Chassis و Node متفاوت است. به همین دلیل قبل از خرید قطعه باید سازگاری آن با مدل دقیق سرور بررسی شود.

8. هنگام خرید سرور Apollo HP به چه نکاتی توجه کنیم؟

قبل از خرید باید نوع Workload، مدل و نسل Apollo، CPU، RAM، GPU، Storage، تعداد Node و سرعت شبکه مشخص شود. فضای رک، توان برق و سیستم Cooling دیتاسنتر نیز مخصوصاً در کانفیگ‌های چند GPU اهمیت زیادی دارند. انتخاب کانفیگ بر اساس نیاز واقعی باعث می‌شود هزینه اضافه برای سخت‌افزار غیرضروری پرداخت نکنید.