不需要了解大量的硬件参数，只是希望你可以理解各个部件之间的关系

1. 怎么了解

不需要特意了解具体产品型号、协议细节和所有命令参数，先知道一台服务器由什么组成，各个部件怎样连接。

可以使用大语言模型或 Agent 辅助理解概念、解释命令输出和整理资料，但不要直接把其回答直接当作最终结论。

涉及具体型号、兼容性、固件设置和硬件参数时，建议结合当前机器的实际输出、对应设备的官方手册和项目官方文档。

2. 服务器基础架构

2.1 为什么要了解

服务器强调持续运行、可维护性和扩展能力，个人 PC 更强调成本与交互体验。HPC 的性能不只由 CPU 型号决定，还与内存通道是否均衡、数据是否跨 NUMA、设备经过哪条 PCIe 路径有关。

2.2 需要理解什么

• Socket、Core、Thread 和 Logical CPU 分别是什么；
• SMT 是什么，逻辑 CPU 是否等于物理核心；
• L1、L2、L3 Cache 的基本作用；
• DIMM 和内存通道是什么；
• 单路、双路和多路服务器指什么；
• 内存控制器位于哪里；
• NUMA Node、本地内存和远程内存是什么；
• 双路 CPU 之间为什么需要互连；
• PCIe Root Complex、PCIe Lane 和 PCIe Switch 是什么；
• PCIe x4、x8、x16 表示什么；
• 为什么 x16 外形的插槽不一定工作在 x16；
• SXM 是什么，和 PCIe 有什么区别；
• GPU、HCA、NVMe 和 RAID 卡通常连接在哪里；
• 设备位于不同 NUMA Node 为什么可能影响性能；
• BMC、主板、PSU 和风扇分别负责什么。

2.3 可以做什么

在 Linux 系统中执行：

 lscpu
 lscpu -e
 numactl -H
 numastat
 lspci
 lspci -tv

安装了 hwloc 后还可以执行：

 lstopo

尝试回答：

1. 机器有几个 Socket？
2. 每个 Socket 有多少物理核心？
3. 每个核心有几个硬件线程？
4. 有几个 NUMA Node？
5. 每个 NUMA Node 包含哪些 CPU 和内存？
6. GPU、HCA 和 NVMe 大致位于哪个 CPU 或 NUMA Node 下？

3. BIOS、UEFI 与固件

3.1 为什么要了解

BIOS 和 UEFI 在操作系统启动前初始化 CPU、内存和 PCIe 设备。一些设备识别、虚拟化、驱动加载和性能问题可能与固件设置有关。

不同厂商和平台的菜单名称与行为可能不同，不应把某一台服务器的设置当成所有平台的统一答案。

3.2 需要理解什么

• BIOS、UEFI 和 POST 分别是什么；

• UEFI Boot 和 Legacy Boot 的区别；

• Secure Boot 的基本作用；

• 启动顺序是什么；

• BIOS 固件、BMC 固件、网卡固件和 SSD 固件之间的区别；

• BIOS 中的 SMT 开关会影响什么；

• NUMA 和 Node Interleaving 的关系；

• Turbo、C-state 和 P-state 分别与什么有关；

• Performance、Balanced 和 Power Saving 模式可能影响什么；

• VT-d、AMD-Vi、IOMMU 与设备直通的关系；

• PCIe拆分是什么；

• 内存频率、ECC 和内存训练是什么；

• Secure Boot开启后，第三方驱动为什么可能无法加载；

  https://i.imgflip.com/a3e7gl.jpg

3.3 可以做什么

可以尝试执行：

 test -d /sys/firmware/efi && echo UEFI
 efibootmgr -v
 mokutil --sb-state
 lscpu
 dmidecode -t bios
 dmesg | grep -Ei 'iommu|dmar|amd-vi|secure boot|pcie'

如果你没有 Linux 物理机，也可以直接看看 Windows 计算机的 BIOS 信息

按下 Win + R，输入：

 msinfo32

可以重点查看：

• BIOS 模式；
• BIOS 版本/日期；
• 系统制造商和系统型号；
• 安全启动状态

也可以在 PowerShell 中执行：

 Get-CimInstance Win32_BIOS |
     Format-List Manufacturer, SMBIOSBIOSVersion, ReleaseDate
 
 Get-ComputerInfo |
     Select-Object BiosFirmwareType, BiosVersion, BiosReleaseDate,
                   CsManufacturer, CsModel

Windows 任务管理器的CPU页面会显示虚拟化是否启用

如果想观察 BIOS/UEFI 菜单，可以在自己的计算机上进入固件设置界面，看看启动顺序、Secure Boot、虚拟化和性能模式等项目在哪里

试着回答：

1. 当前计算机使用的是 UEFI 还是传统 BIOS 启动？
2. Secure Boot 是否开启？它主要解决什么问题？
3. CPU虚拟化功能是否开启？它与VT-x或AMD-V有什么关系？
4. 在BIOS/UEFI菜单中能否找到启动顺序、Secure Boot 和虚拟化相关设置？
5. 能否找到 SMT、性能模式、IOMMU 或 PCIe 拆分等设置？
6. BIOS 固件、BMC 固件、网卡固件和 SSD 固件是否是同一个东西？

4. GPU 与异构计算硬件

4.1 为什么要了解

GPU 适合大量相似计算并行执行，但并不是所有程序都适合 GPU。GPU 的实际表现还会受到显存、PCIe、CPU、数据读取和多卡通信的影响。

4.2 需要理解什么

• SM 和 CU 是什么；
• 显存容量与显存带宽的区别；
• HBM是什么；
• FP64、FP32、FP16、BF16 和 INT8 表示什么；
• Tensor Core、Matrix Core 和普通计算单元的区别；
• ECC 显存的基本作用；
• TDP、TBP 和实际功耗的区别；
• 多 GPU 拓扑、P2P 和 NVLink 等互连是什么；
• GPU 与 HCA 的位置为什么可能影响多节点通信；
• GPUDirect RDMA 和 GPU Direct Storage 的基本用途；

4.3 可以做什么

1. 如果使用 Windows，可以打开：

   • 任务管理器 → 性能 → GPU；
   • 设备管理器 → 显示适配器；
   • 按下 Win + R，输入 dxdiag，查看“显示”页面。

   如果使用 Linux，可以尝试执行：

    lspci | grep -Ei 'vga|3d|display'
   

   电脑安装了 NVIDIA 驱动，还可以尝试：

    nvidia-smi
   

   尝试回答：

   1. 自己的电脑使用的是集成显卡、独立显卡，还是两者都有？
   2. 操作系统中显示的 GPU 型号是什么？
   3. 你安装的是哪种图形驱动，版本号是多少？
   4. 任务管理器中的专用 GPU内存和共享 GPU内存有什么区别？
   5. 为什么操作系统能显示GPU，不代表某个计算程序一定会使用它？

5. InfiniBand、RDMA 与集群网络

5.1 为什么要了解

集群中可能同时存在管理网络、业务网络、计算网络和存储网络，并行程序使用哪一张网卡、走 TCP 还是 RDMA，这些都会影响通信延迟和带宽

端口表面显示为active或能够ping通，只能说明网络的某一部分正常，不能证明我们正在跑的应用使用了预期的高速通信路径。

5.2 需要理解什么

• 管理网络、业务网络、计算网络和存储网络分别用于什么；
• Ethernet 和 InfiniBand 的基本区别；
• HCA、IB Switch 和 Subnet Manager 分别是什么；
• 网络带宽和延迟的区别；