存储评论网

企业服务器评测

本文的服务器评测侧重于机箱在负载下的实际性能,而非其配置表所列的参数。系统运行的是实际应用工作负载,而非单纯的模拟循环,例如基于 MariaDB 的 HammerDB TPC-C、Windows Server 共享存储、Proxmox 备份服务器,以及在 GPU 平台上运行的推理服务。近期评测涵盖了戴尔 PowerEdge 系列产品,从面向中小企业和中端市场的 1U R4715 和 2U R5715,到针对延迟优化的 R770AP 和 2U 存储带宽超过 300 GB/s 的 R7725xd,以及 Supermicro 的双 EPYC 9005 Turin 系统和联想 ThinkSystem SR650 V4,直至我们用于 AI 推理测试的 4U 及以上 GPU 系统。液冷和浸没式散热设计均采用相同的测试方法,功耗和散热性能均在实验室中实测,而非仅引用规格表数据。

如果您正在缩小候选名单,最佳服务器页面会根据这些评论的数据按角色对当前选择进行排名,而最佳存储阵列页面则会涵盖网络另一侧的系统。

裸板为NVIDIA Vera双路CPU,两颗Vera处理器直接安装在PCB板上,周围有16个空的SOCAMM2内存插槽。
企业版  ◇  服务器

NVIDIA Vera CPU 评测:2TB/s 内存带宽,x86 架构的真正挑战者

在数据中心的大部分发展历程中,NVIDIA 将 CPU 仅仅视为 GPU 的驱动芯片。其首款服务器处理器 Grace 也遵循了这一模式。它采用了 Arm 现成的 Neoverse V2 内核,主要作为 Grace Hopper 和 Grace Blackwell 超级芯片的 CPU 部分进行销售。这些超级芯片

基米·安东内利的梅赛德斯W17赛车在美洲赛道(COTA)维修站外,FP1和FP2之间,技师们正在这辆涂装奥斯汀车队标志的赛车周围工作。
企业版  ◇  服务器

深入了解梅赛德斯F1车队与HPE合作的2026年美洲赛道比赛周末:赛车永无止境

基米·安东内利从杆位出发,凭借一停策略赢得了美国大奖赛冠军,领先查尔斯·勒克莱尔13.078秒,马克斯·维斯塔潘位列第三;维斯塔潘试图通过两停策略抢跑,但最终未能成功。此前,法拉利一直占据着计时榜的榜首位置,勒克莱尔在周五的第二次练习赛中速度最快,刘易斯·汉密尔顿则在周六的最后一次练习赛中速度最快,因此梅赛德斯车队最终赢得了比赛。

企业版  ◇  服务器

从数据库和虚拟化工作负载到备份:戴尔 PowerEdge R4715 和 R5715 满足中小企业的实际需求

尽管戴尔 PowerEdge R4715 和 R5715 是两款独立的产品,但它们应该被视为一个可配置的矩阵。该矩阵包含两种机箱、四种 AMD EPYC 9005 系列 CPU 选项、多种存储配置以及完整的戴尔管理和支持生态系统。这种组合专为需要匹配的中小型企业而设计。

企业版  ◇  服务器

Comino Grando RTX PRO 6000 评测:768GB 显存,4U 液冷机箱

Comino 最近寄给我们最新款的 Comino Grando 进行评测,该机配置了八张 NVIDIA RTX PRO 6000 Blackwell 显卡,每张显卡配备 96GB 显存,总显存容量为 768GB。我们曾在 2024 年评测过 Comino,当时配置了六张 RTX 4090 显卡,总显存容量为 144GB。

企业版  ◇  服务器

戴尔 PowerEdge R5715 评测:面向存储前沿工作负载的 2U 单路 AMD EPYC 服务器

PowerEdge R5715 是戴尔面向中小企业推出的第 17 代 PowerEdge 系列服务器的第二款产品,其设计理念与 1U 同系列产品有所不同。R4715 侧重于计算密度和每机架单元核心数效率,而 R5715 则以 2U 单路机架式设计,围绕存储容量和 I/O 扩展性而打造。对于熟悉 R4715 的用户来说,R5715 的优势尤为突出。

企业版  ◇  服务器

戴尔 PowerEdge R4715 评测:面向中端市场的 1U AMD EPYC 服务器

戴尔第 17 代 PowerEdge 系列服务器已相当成熟,而 R4715 和 R5715 的推出,则进一步明确了该系列的目标客户群体——中小企业和中端市场。这两款服务器均为单路平台,与第 17 代 PowerEdge 系列一样,均基于第五代 AMD EPYC 处理器。它们专为那些需要适量核心容量的企业而设计。

戴尔 PowerEdge XE7740 单 Gaudi 3
企业版  ◇  服务器

戴尔 PowerEdge XE7740:企业级 AI 推理架构详解

人工智能基础设施市场并非朝着单一方向发展,而是正在分裂成两个截然不同的世界。一方面是前沿训练集群,旨在大规模开发基础模型,与专有架构和少数加速器紧密耦合。另一方面是快速发展的企业推理应用。