第179章 给热量记帐（2 / 2）
荒原从秋天走到冬天，又从冬天走进第二十六年的春天。
七十六组故障场景被送进系统，留下七十六份记录。
ps热织网从不保证每项任务都能继续。
证据不足，负载不升。
热预算盖不住下一阶段，任务冻结在检查点。
支路恢復时间长於任务窗口，负载转去其他节点。
所有安全路径都被堵死，任务退出队列。
一套可靠系统的本事，既包括把工作做完，也包括知道哪项工作此刻做不完。
第二十六年五月十九日，最终对照验证开始。
此前六天，前哨站停掉大型加工设备，光伏阵列持续给储能充电。
两台废土风机做完轴承和变桨检查，八十千瓦时储能达到百分之九十三荷电状態。
江临把最终测试拆成两个阶段。
二十七张170hx。
四台伺服器。
四条液冷支路。
三只循环泵。
两只热缓衝罐。
同一套阀门、传感器、冷板与末端换热器。
任务队列也完全相同。
第一阶段锁死阀位。
第二阶段接入ps-theralfabric。
测试中不更换任何硬体。
【稳定工况板卡热点温度上限：75c】
【断流故障瞬態板卡热点温度上限：76c】
连天气都要儘量相同。
末端换热器进风端接入可调混风箱。
固定阀位组经歷的八小时进风温度曲线会被完整记录，两天后按同样顺序復现。
供水初温、支路压力、任务初始检查点和储能荷电状態都要回到同一窗口。
否则一边赶上凉快天气，一边碰上热风，再漂亮的结果也只配拿去哄自己。
五月十九日上午七点三十分，固定阀位组启动。
为了压住node-d，集群负载限制在百分之六十四。
八小时后，任务队列完成百分之六十三点七。
无板卡过温，换热器的平均能力只用了百分之六十七。
【固定阀位模式】
【集群安全持续负载：64%】
【任务队列完成率：63.7%】
【触发过温保护：0】
【自动旁路接管与任务联动：关闭】
【末端换热能力使用率：67%】
测试结束，伺服器停机，循环泵继续运转。
等冷板、软管和缓衝罐里滯留的热量全部回落，储能重新补至百分之九十三，任务队列恢復到同一初始检查点。
两天后的上午八点，第二阶段开始。
ps-theralfabric接管集群。
二十七张170hx重新建立影子窗口。
同一批矩阵分块、模型推理、代码索引和证明依赖图进入队列。
【稳定可计算hb：约1tib】
【目標持续时间：8h】
【允许过温保护：0】
【允许丟失检查点：0】
基础矩阵块、模型权重和索引文件已经在备用节点建立只读影子映射。
ps-checkpot只保存当前分块的增量状態。
故障发生时，真正需要搬走的只剩上一个检查点之后的变化，而非node-b整组显存。
第一小时，集群it负载稳定在九点八千瓦附近。
四条支路各跑各的流量。
node-a承担持续矩阵计算，冷却流量最高。
node-c以短时模型任务为主，热峰交给缓衝罐；node-d內部板卡差异最大，帐上始终留著更厚的安全余量。
第二小时，復现进风曲线进入升温段。
末端换热效率下降。
系统延后两组低优先级任务十七分钟，等第一只缓衝罐恢復，再把它们放回队列。
十二颱风机没被粗暴地同时拉满。
第三小时，一只流量传感器的读数无故向下漂了八个百分点。
evidee核对供回水压差、泵速和阀位反馈，三项数据都不支持支路流量真的下降。
漂移传感器被降为低置信度来源，控制器继续执行原计划。
第五小时十二分，江临走到主迴路旁，握住node-b主回水通路的切断阀。
前面七十六组故障测试里，这个动作做过很多次。
最终验证只认这一次。
阀门落到底。
第二支路流量迅速归零。
【branch-b主路：流量丟失】
【疑似故障：等待压力／流量双证据】
【冻结新任务下发】
【发起当前检查点写入】
node-b上的八张卡仍在运行。冷板和支路內残留的冷却液给了它们一小段热惯性窗口，按当前负载算，撑不过两分钟。
第六秒，当前分块结束。
供回水压差同时越过故障確认閾值。
【故障確认：压力／流量双证据】
【启动node-b备用旁路】
第九秒，检查点写入完成。
第十一秒，node-a与node-d收到预迁移计划。
两组节点都没有立即接收迁移负载。
node-b备用旁路开始建立回水能力。
循环泵同步提速，node-a与node-d两条迁移目標支路提前增流，分別建立新的水力状態。
【node-a：等待olg_ready】
【node-d：等待olg_ready】
第十八秒，node-d入口流量达到计划值。
第二十一秒，node-a压差稳定。
第二十三秒，两组状態转绿。
【olg_ready】
迁移开始。
剩余运行时间最长的矩阵分块最先转移，隨后是模型推理。日誌索引冻结在检查点，证明依赖图扫描降到最低优先级。
node-b负载迅速下降，板卡热点温度还在凭惯性往上走。
七十三摄氏度。
七十四点二摄氏度。
七十五点一摄氏度。
稳態温度线已经越过，距离故障瞬態上限只剩零点九摄氏度。
第四十六秒，备用旁路完成接管，新的冷却液进入node-b冷板。
温升曲线停住。
第七十一秒，曲线开始回落。
【主回水通路：已隔离】
【备用旁路：已接管】
【任务迁移：完成】
【丟失检查点：0】
【触发过温保护：0】
【集群计算状態：继续】
江临没把切断阀重新打开。
接下来的两小时四十八分钟，node-b一直依靠备用旁路运行。
迁移期间，集群总算力短暂下降百分之十三。
冷却状態稳定以后，部分任务重新回到node-b。
下午四点，八小时结束。
最后一个矩阵分块写入存储。
二十七张170hx依次退出计算状態，循环泵仍然运转了三十七分钟。
计算任务可以说停就停，热量不接受行政命令。
它还留在冷板、软管和缓衝罐里，必须一段一段送出去。
供电记录同步生成。
【测试期间平均光伏与风机输出：8.3kw】
【测试系统平均总电负荷：10.5kw】
【储能用途：承担功率缺口与切换波动】
【测试结束储能荷电状態：70%】
八十千瓦时储能只填补发电与负载之间的缺口，光伏和风机承担了大部分连续供电。
若把整场测试都算到储能头上，帐在第二眼就会穿帮。
最终报告在主屏上展开。
【ps-theralfabric_v0.1最终验证】
【测试硬体：与固定阀位模式完全相同】
【新增泵组：0】
【新增换热器：0】
【新增冷板：0】
【固定阀位模式安全持续负载：64%】
【热织网模式平均有效负载：96.8%】
【同任务队列完成率：97.6%】
【相对固定阀位基准的平均有效负载提升：51.2%】
【模擬主回水通路完全断流：1条】
【故障確认时间：6s】
【检查点完成时间：9s】
【冷却就绪与任务迁移启动：23s】
【备用旁路接管：46s】
【触发过温保护：0】
【丟失检查点：0】
【不可恢復任务：0】
【断流故障瞬態温度上限：76c】
【实测最高板卡热点温度：75.1c】
【结果：通过】
二十七张卡没变。
泵组、阀门、冷板和换热器也没变。
固定阀位模式只能安全释放百分之六十四的持续负载，热织网把平均有效负载推到了百分之九十六点八。
系统从头到尾没多造出一瓦冷量。
它只做了三件事。
提前知道热会在哪里產生，给那条支路留出接住热峰的预算，让冷却能力先於迁移任务抵达目標节点。
现在，算力、显存和冷却能力终於出现在同一张调度表上。
江临在报告最后写入適用边界。
【以上提升仅对当前四节点异构集群成立。】
【不得直接外推至其他机柜、板卡或冷却架构。】
【任何新硬体必须重新標定热阻、流量、响应延迟与安全余量。】
百分之五十一点二无法当成通用节能率塞进宣传页。
换一批板卡，换一种冷板，甚至把软管缩短几米，原有参数都可能作废。
破解隱藏窗口以后，二十七张170hx拥有了更多可用显存。
接入ps热织网以后，它们才第一次组成一座能在冷却故障中继续工作的计算集群。
江临建立现实成果包。
【ps-theralfabric_reality_v0.1】
成果包拆成六个部分。
tf-runti负责算力任务与冷却支路的联合调度。
tf-branchledger记录持续排热能力、响应窗口热预算、在途热量和恢復时间。
tf-olgready_api把冷却就绪状態送进任务迁移链。
tf-cabetntroller管理温度、压力、流量、阀组与泵组。
tf-faulttest保存断流、泄漏、传感器漂移、泵组降级和旁路接管规范。
tf-issiongkit负责新机柜接入时的热阻、流量和响应延迟標定。
t-7的材料参数、设备编號、维护港结构和原始服务协议全部留在废土封存区。
【rg-3_local_theral_service_package】
【权限层级：绝对封存】
现实成果包里只有標准铜冷板、普通泵组、电磁阀、板式换热器、乾式冷却器和工业传感器能够实现的东西。
未来工程师留下了一套思路。
从第二十四年夏天到第二十六年五月，江临用了近两年，把它改写成2022年的管子、阀门、铜板和代码。
隨后，他打开现实转译规划页。
【低熵异构算力中心一期】
【建设位置：江城主机房】
【北京研发中心：保留验证节点】
【一期目標入柜：96张通过稳定性筛选的170hx级板卡】
【目標可调度显存：不低於3tib】
【冷却架构：ps-theralfabric】
【调度架构：ps-scheduler】
【故障帐本：ps-faultledger】
【证据边界：ps-evidee】
现实採购清单隨之向下展开。
伺服器，机柜，配电柜，泵组，冷板，传感器，板式换热器，室外乾式冷却器，储能和备用电源。
这已经超出紫荆公寓，也超出了北京研发中心那几间测试房能够容纳的范围。
大量伺服器会带来噪声、热量、供电负荷、消防要求和二十四小时维护。北京適合保留小规模开发、標定和故障復现节点，真正的主机房放回江城，靠近低熵工坊的製造、採购与长期运维体系。
算力设备走哪条路线，已经有了答案。
局部冷却故障发生以后，任务如何留下来，也有了第一版答案。
第二十六年五月二十二日，江临完成代码、图纸、测试记录和失败帐本的三重校验。
rg-3原始服务包继续封存在前哨站存储阵列，未写入任何准备返回现实的载体。
两块从现实带来、专门为回归预留的硬碟，只保存经过现实材料、现实部件和现实接口重新验证的代码、图纸、测试记录与失败帐本。
四台伺服器依次退出计算状態。
循环泵继续转，直到冷板、软管和缓衝罐里的余热全部回落。
隨后，泵组、阀门和伺服器断电，液冷迴路保持封闭。
a100留在基准节点。
二十七张170hx留在四组伺服器里，另外五张备用卡重新封装，收入二號工作间的防静电柜。
四台伺服器、两组存储和整套液冷系统，也全部留在前哨站。
二十六年的存放、启停、拆装和维修，已经吃掉了这些设备的大部分剩余寿命。
把它们带回2022年没有多少价值，留在前哨站，至少还能继续承担验证、计算和备件。
江临最后接入主连接带的，只有这两块完成镜像校验的回归硬碟。
or-at-ne73通信链路降至最低维持功率。
t-7外壳维护港依旧埋在东北七十三地下。那道外壳维护门已经打开，江临没再向更深处提交权限请求。
第十二次废土任务表重新展开。
【恢復並扩建前哨站供电、通风与存储环境：完成】
【建立a100基准节点：完成】
【確认170hx限制所在层级：完成】
【获得可长期运行的计算节点：完成】
【推进ps-agenta现实適配：完成】
【进入t-7外壳维护港：完成】
清单下方，是这二十六年留下的四项核心成果。
【170hx隱藏资源运行时：完成】
【一tib级异构近存储计算集群：完成】
【ps-evidee现实適配：完成】
【ps-theralfabric现实降维：完成】
工作间逐渐安静下来，只剩废土存储阵列与低功耗监测节点运行。
风机还在低速旋转，叶片每转过一圈，都把一小段风声送进前哨站。
二十六年前，四台伺服器刚落到这里时，二號工作间里连一条液冷管都没有。
如今，四台伺服器仍沿墙排开。机壳与接口上留著反覆拆装的编號，墙边多出四条支路、两只焊补过的缓衝罐、成排的测点和写满失败编號的標籤。
这些设备和痕跡都会留在废土。
江临带走的只有两块硬碟，以及已经留在他脑中的知识、判断和二十六年的失败记录。
他握住主连接带。
风机声断了。
北京研发中心的灯光落进视野，墙上的电子钟刚跳过一格。
【2022年9月30日】
【06：01：00】
门外走廊里，清洁人员推著车经过转角，滚轮声由近到远。
今天上午八点半，低熵工坊要开首批交付生產准备会。
下午两点半，南京那场人工智慧討论还等著他线上接入。
江临坐到电脑前，把硬碟接入离线校验终端。
两份镜像依次通过。
新建文档。
【低熵异构算力中心一期採购与建设任务书】
第一行，板卡採购。
第二行，伺服器与机柜。
第三行，供配电。
第四行，液冷支路与末端换热。
第五行，江城主机房选址条件。
光標落到第六行。
江临写下首要验收指標。
【任意一条可隔离主支路断流后，已经开始的任务仍能安全留下来。】
废土里的二十六年到这里结帐。
现实世界的一分钟刚刚结束。
低熵工坊自己的算力中心，从第六行开始。