Перейти к публикации

ComBox

Новички
  • Публикации

    29
  • Зарегистрирован

  • Посещение

Репутация

-8 Плохой

О ComBox

  • Звание
    Новичок

Контакты

  • Сайт
    https://combox.io

Информация

  • Пол
    Мужчина
  • Город:
    Санкт-Петербург
  • Интересы
    иммерсионное охлаждение, жидкостное охлаждение, майнинг, промышленный майнинг

Посетители профиля

188 просмотров профиля
  1. Развитие CPU Первый процессор, получивший действительно массовое распространение – это 8086 от компании Intel, разработанный в 1978 году. Тактовая частота работы 8086 составляла всего 8 МГц. Спустя несколько лет появились первые процессоры внутри которых было 2, 4 и даже 8 ядер. Каждое ядро позволяло выполнять свой код независимо от других. Для сравнения — современный процессор Intel Core i9-7980XE работает на частоте 2,6 ГГц и содержит 18 ядер. Как видите — прогресс не стоит на месте! Развитие GPU Одновременно с развитием центральных процессоров развивались и видеокарты. В основном их характеристики важны для компьютерных игр, там новые технологии проявляются особенно красочно и рендеринг 3D картинки постепенно приближается к фотографическому качеству. В начале развития компьютерных игр расчет картинки выполнялся на CPU, но вскоре был достигнут предел изобретательности разработчиков 3D-графики, ухитрявшихся оптимизировать даже очевидные вещи (хороший пример тому — InvSqrt()). Так, в видеокартах стали появляться сопроцессоры со специальным набором команд для выполнения 3D вычислений. Со временем число таких команд росло, что, с одной стороны, позволяло гибче и эффективнее работать с изображением, а с другой — усложнило процесс разработки. С 1996 года начали выпускаться графические ускорители S3 ViRGE, 3dfx Voodoo, Diamond Monster и другие. В 1999 году nVidia выпустила процессор GeForce 256, введя в обиход термин GPU — графический процессор. Он уже универсальный, может заниматься геометрическими расчетами, преобразованием координат, расстановкой точек освещения и работой с полигонами. Отличие GPU от других графических чипов заключалось в том, что внутри, кроме специализированных команд, был набор стандартных команд, с помощью которых можно было реализовать свой алгоритм рендеринга. Это дало значительное преимущество, так как позволило добавлять любые спецэффекты, а не только те, которые уже запрограммированы в видеокарту. Начиная с GeForce 8000/9000 в GPU появились потоковые процессоры — уже полноценные вычислители. Их число варьировалось в зависимости от модели от 16 до 128. В современной терминологии они называются унифицированные шейдерные блоки, или просто шейдерные блоки. В производимых сегодня GPU AMD Vega 64 содержится 4096 шейдерных блока, а тактовая частота может достигать 1536 МГц! Что содержит в себе GPU Архитектура GPU отличается от CPU большим количеством ядер и минималистичным набором команд, направленных в основном на векторные вычисления. На уровне архитектуры решены вопросы параллельной работы большого числа ядер и одновременного доступа к памяти. Современные GPU содержат от 2-х до 4-х тысяч шейдерных блоков, которые объединены в вычислительные юниты (Compute Unit). При параллельных вычислениях особенно остро стоит проблема одновременного доступа к памяти. Если каждый из потоковых процессоров попытается выполнить запись в ячейку памяти то эти команду упрутся в блокировку и их необходимо будет поставить в очередь, что сильно снизит производительность. Поэтому потоковые процессоры выполняют команды небольшими группами: пока одна группа производит вычисления, другая загружает регистры и т.д. Также можно объединить ядра в рабочие группы, обладающие общей памятью и внутренними механизмами синхронизации. Еще одной важной особенностью GPU является наличие векторных регистров и векторных АЛУ, которые могут выполнять операции одновременно для нескольких компонентов вектора. Это в первую очередь нужно для 3D графики, но поскольку наш мир трехмерный, ничто не мешает использовать это для многих физических вычислений. При наличии свободных векторных АЛУ их можно использовать и для вычисления скалярных величин. Они такие разные, CPU и GPU Для полноценной работы вычислительной системы важны оба типа устройств. К примеру, мы выполняем пошаговую программу, некий последовательный алгоритм. Там нет возможности выполнить пятый шаг алгоритма, так данные для него рассчитываются на шаге четыре. В таком случае эффективнее использовать CPU с большим кэшем и высокой тактовой частотой. Но есть целые классы задач, хорошо поддающихся распараллеливанию. В таком случае эффективность GPU очевидна. Самый частый пример — вычисление пикселей отрендеренного изображения. Процедура для каждого пикселя почти одинаковая, данные о 3D объектах и текстурах находятся в ОЗУ видеокарты и каждый потоковый процессор может независимо от других посчитать свою часть изображения. Вот пример современной задачи — обучение нейронной сети. Большое количество одинаковых нейронов необходимо обучить, то есть поменять весовые коэффициенты каждого нейрона. После таких изменений нужно пропустить через нейросеть тестовые последовательности для обучения и получить вектора ошибок. Такие вычисления хорошо подходят для GPU. Каждый потоковый процессор может вести себя как нейрон и при вычислении не придется выстраивать решение последовательным образом, все наши вычисления будут происходить одновременно. Другой пример — расчет аэродинамических потоков. Необходимо выяснить возможное поведение проектируемого моста под воздействием ветра, смоделировать его аэродинамическую устойчивость, найти оптимальные места установки обтекателей для корректировки воздушных потоков или рассчитать устойчивость к ветровому резонансу. Помните знаменитый “танцующий мост” в Волгограде? Думаю, что никто не хотел бы оказаться в тот момент на мосту… Поведение воздушного потока в каждой точке можно описать одинаковыми математическими уравнениями и решать эти уравнения параллельно на большом количестве ядер. GPU в руках программистов Для выполнения вычислений на GPU используется специальный язык и компилятор. Существует несколько фреймворков для выполнения общих вычислений на GPU: OpenCL, CUDA, С++AMP, OpenACC. Широкое распространение получили первые два, но использование CUDA ограничено только GPU от компании nVidia. OpenCL был выпущен в 2009 году компанией Apple. Позднее корпорации Intel, IBM, AMD, Google и nVidia присоединились к консорциуму Khronos Group и заявили о поддержке общего стандарта. С тех пор новая версия стандарта появляется каждые полтора-два года и каждый привносит все более серьезные улучшения. На сегодняшний день язык OpenCL C++ версии 2.2 соответствует стандарту C++14, поддерживает одновременное выполнение нескольких программ внутри устройства, взаимодействие между ними через внутренние очереди и конвейеры, позволяет гибко управлять буферами и виртуальной памятью. Реальные задачи Интересная задача из теории игр, в решении которой мы принимали участие — доказательство теоремы из статьи профессора Чуднова А.М. “Циклические разложения множеств, разделяющие орграфы и циклические классы игр с гарантированным выигрышем“. Задача заключается в поиске минимального числа участников одной коалиции в коалиционных играх Ним-типа, гарантирующее выигрыш одной из сторон. С математической точки зрения это поиск опорной циклической последовательности. Если представить последовательность в виде списка нулей и единиц, то проверку на опорность можно реализовать логическими побитовыми операциями. С точки же зрения программирования такая последовательность представляет собой длинный регистр, например, 256 бит. Самый надежный способ решения этой задачи — перебор всех вариантов за исключением невозможных по очевидным причинам. Цели решения задачи — вопросы эффективной обработки сигналов (обнаружение, синхронизация, координатометрия, кодирование и т.д.). Сложность решения этой задачи в переборе огромного числа вариантов. Например, если мы ищем решение для n=25, то это 25 бит, а если n=100, то это уже 100 бит. Если взять количество всех возможных комбинаций, то для n=25 это 2^25=33 554 432, а для n=100 это уже 2^100=1 267 650 600 228 229 401 496 703 205 376 комбинаций. Возрастание сложности просто колоссальное! Такая задача хорошо распараллеливается, а значит она идеально подходит для нашего GPU кластера. Программисты vs математики Изначально математики решали эту задачу на Visual Basic в Excel, так удалось получить первичные решения, но невысокая производительность скриптовых языков не позволила продвинуться далеко вперед. Решение до n=80 заняло полтора месяца… Склоняем голову перед этими терпеливыми людьми. Первым этапом мы реализовали алгоритм задачи на языке Си и запустили на CPU. В процессе выяснилось, что при работе с битовыми последовательностями многое можно оптимизировать. Далее мы оптимизировали область поиска и исключили дублирование. Также хороший результат дал анализ генерируемого компилятором ассемблерного кода и оптимизация кода под особенности компилятора. Всё это позволило добиться существенного прироста скорости вычислений. Следующим этапом оптимизации стало профилирование. Замер времени выполнения различных участков кода показал, что в некоторых ветках алгоритма сильно возрастала нагрузка на память, а также выявилось излишнее ветвление программы. Из-за этого “маленького” недочёта почти треть мощности CPU была не задействована. Очень важным аспектом решения подобных задач является аккуратность написания кода. Правильных ответов на эту задачу никто не знает и тестовых векторов соответственно нет. Есть лишь первая часть диапазона решений, которые были найдены математиками. Достоверность новых решений можно гарантировать только аккуратностью написания кода. Вот и наступил этап подготовки программы для решения на GPU и код был модифицирован для работы в несколько потоков. Управляющая программа теперь занималась диспетчеризацией задач между потоками. В многопоточной среде скорость вычисления увеличилась в 5 раз! Этого удалось добиться за счет одновременной работы 4 потоков и объединения функций. На этом этапе решение производило верные расчеты до n=80 за 10 минут, тогда как в Exсel’e эти расчеты занимали полтора месяца! Маленькая победа! GPU и OpenCL Было принято решение использовать OpenCL версии 1.2, чтобы обеспечить максимальную совместимость между различными платформами. Первичная отладка производилась на CPU от Intel, потом на GPU от Intel. Уже потом перешли на GPU от AMD. В версии стандарта OpenCL 1.2 поддерживаются целочисленные переменные размерностью 64 бита. Размерность в 128 бит ограничено поддерживается AMD, но компилируется в два 64-х битных числа. Из соображений совместимости и для оптимизации производительности было решено представлять число размерностью 256 бит как группу 32-х битных чисел, логические побитовые операции над которыми производятся на внутреннем АЛУ GPU максимально быстро. Программа на OpenCL содержит ядро — функцию, которая является точкой входа программы. Данные для обработки загружаются с CPU в ОЗУ видеокарты и передаются в ядро в виде буферов — указателей на массив входных и выходных данных. Почему массив? Мы же выполняем высокопроизводительные вычисления, нам нужно много задач, выполняемых одновременно. Ядро запускается на устройстве во множестве экземпляров. Каждое ядро знает свой идентификатор и берет именно свой кусочек входных данных из общего буфера. Тот случай, когда самое простое решение — самое эффективное. OpenCL — это не только язык, но и всеобъемлющий фреймворк, в котором досконально продуманы все мелочи научных и игровых вычислений. Это здорово облегчает жизнь разработчику. Например, можно запустить много потоков, диспетчер задач разместит их на устройстве сам. Те задачи, которые не встали на немедленное исполнение, будут поставлены в очередь ожидания и запущены по мере освобождения вычислительных блоков. У каждого экземпляра ядра есть свое пространство в выходном буфере, куда он и помещает ответ по завершению работы. Основная задача диспетчера OpenCL — обеспечить параллельное выполнение нескольких экземпляров ядра. Здесь применён накопленный десятилетиями научный и практический опыт. Пока часть ядер загружает данные в регистры, другая часть в это время работает с памятью или выполняет вычисления — в результате ядро GPU всегда полностью загружено. Компилятор OpenCL хорошо справляется с оптимизацией, но разработчику влиять на быстродействие проще. Оптимизация под GPU идет в двух направлениях — ускорение выполнения кода и возможность его распараллеливания. Насколько хорошо распараллеливается код компилятором зависит от нескольких вещей: количество занимаемых scratch регистров (которые располагаются в самой медленной памяти GPU — глобальной), размер скомпилированного кода (надо поместиться в 32 кб кэша), количество используемых векторных и скалярных регистров. ComBox A-480 GPU или один миллион ядер Эта самая интересная часть проекта, когда от Excel мы перешли на вычислительный кластер состоящий из 480 видеокарт AMD RX 480. Большого, быстрого, эффективного. Полностью готового к выполнению поставленной задачи и получению тех результатов, которых мир еще никогда не видел. Хочется отметить что на всех этапах совершенствования и оптимизации кода мы запускали поиск решения с самого начала и сравнивали ответы новой версии с предыдущими. Это позволяло быть уверенными, что оптимизация кода и доработки не вносят ошибки в решения. Тут нужно понимать, что правильных ответов в конце учебника нет, и никто в мире их не знает. Запуск на кластере подтвердил наши предположения по скорости решений: поиск последовательностей для n>100 занимал около часа. Было удивительно видеть как на кластере ComBox A-480 новые решения находились за минуты, в то время как на CPU это занимало многие часы. Всего через два часа работы вычислительного кластера мы получили все решения до n=127. Проверка решений показала, что полученные ответы достоверны и соответствуют изложенным в статье теоремам профессора Чуднова А.М. Эволюция скорости Если посмотреть прирост производительности в ходе решения задачи, то результаты были примерно такими: полтора месяца до n=80 в Excel; час до n=80 на Core i5 с оптимизированной программой на С++; 10 минут до n=80 на Core i5 с использованием многопоточности; 10 минут до n=100 на одном GPU AMD RX 480; 120 минут до n=127 на ComBox A-480. Перспективы и будущее Многие задачи стоящие на стыке науки и практики ожидают своего решения, чтобы сделать нашу жизнь лучше. Рынок аренды вычислительных мощностей только формируется, а потребность в параллельных вычислениях продолжает расти. Возможные области применения параллельных вычислений: задачи автоматического управления транспортными средствами и дронами; расчеты аэродинамических и гидродинамических характеристик; распознавание речи и визуальных образов; обучение нейронных сетей; задачи астрономии и космонавтики; статистический и корреляционный анализ данных; фолдинг белок-белковых соединений; ранняя диагностика заболеваний с применением ИИ. Отдельное направление — облачные вычисления на GPU. Например, такие гиганты как Amazon, IBM и Google сдают свои вычислительные мощности на GPU в аренду. Сегодня с уверенностью можно сказать что будущее высокопроизводительных параллельных вычислений будет принадлежать GPU кластерам.
  2. ComBox

    [Pre-ICO/ICO] ComBox - immersion cooling for industrial mining

    Презентация решений ComBox для промышленного майнинга и наукоёмких вычислений в Сан-Франциско на Global Blockchain Forum, 2018. Александр Панкратов, CEO Combox Technology, рассказывает про особенности и перспективы систем с двухфазным иммерсионным охлаждением в майнинге и при решении наукоёмких задач.
  3. ComBox Technology на Global Blockchain Forum в Сан-Франциско, день 1

    JXxN5ppQJuE.jpg

    TPlrY3QUw2o.jpg

    oEVFxbUk9aM.jpg

    TNWvhE4cFCc.jpg

    qgiSo5DO-tc.jpg

  4. Презентация решений ComBox для промышленного майнинга и наукоёмких вычислений в Сан-Франциско на Global Blockchain Forum, 2018

    ykq1YUdxK0s.jpg

    BZFv7fi2q9w.jpg

    X6fXSKvyxro.jpg

  5. Именно по этой причине мы рассматриваем два направления для применения наших решений: майнинг в промышленных масштабах. Пока еще на ETH о 5 центах речи не идет, есть перспективы роста. И модель предусматривает создание нового pplns-пула, в котором изначально работает собственное оборудование, а потом подключаются внешние участники. наукоемкие вычисления. Мы объединили GPU в кластер и запустили решение математических сложных задач. Вместе с Александром Чудновым на базе GPU-кластера ComBox решена задача «Циклические разложения множеств, разделяющие орграфы и циклические классы игр с гарантированным выигрышем» до 127 порядка, что ранее считалось невозможным. Подробнее о задаче... Его нет, если правильно построить взаимоотношения между компаниями. Для подтверждения мы постоянно выкладываем фотки со склада. Приведем три от 5 сентября 2018: Спасибо за хороший технический вопрос! Но, вы ошибаетесь, mini-FIT не «бытовые голимые разъёмы».В нашем решении мы применяем разъёмы фирмы MOLEX, рекомендованные производителями видеокарт, с ними проблем нет. На каждой PCI видеокарте установлен такой разъём и ничего не горит. Каждый пин выдерживает до 9А тока, а в версии Plus до 13А на один пин! 9A * 3 Пина (+12V) = 27A 27A * 12V = 324 Вт MXM карта потребляет 150Вт, получается что у нас двойной запас по надёжности. Этого достаточно. Скорее всего в пандамайнере сэкономили на качестве разъёмов, со всеми логичными последствиями. В дополнение скажу, что в нашем решении разъёмы находятся в зоне насыщенного пара и хорошо охлаждаются. Разъёмы XT для наших целей не подходят. Мы применяем специализированные БП форм-фатора 2U, они изготавливаются по нашему проекту, естественно на них клеммная колодка «под отвёртку». Ну и даже на продажу мы бы всё-равно делали хорошо, а в текущем варианте делаем для себя! Оборудование мы демонстрировали уже неоднократно на разных выставках в России, США и других странах. Вот фото с Криптодуэли, которая проходила в Питере: Вот тут много фотографий с мероприятия. Просто 96 видеокарт проблематично запустить в павильонах выставок (по электричеству). Поэтому запускается вариант "мини" на 6 карт: Много фото и видео с выставок, в т.ч. с хешрейтом на Эфире в Инстаграме Контейнер: Весь процесс сборки показывается и выкладывается в социальных сетях.
  6. Скажите это BitFury и другим компаниям, которые специализируются на промышленном майнинге. Но в том ключе, что промышленный майнинг на потенциально устаревающем оборудовании - это бред, мы солидарны. Выбирать надо потенциально перспективные технологии и масштабировать решения с максимально-возможной скоростью для получения максимальной прибыли в минимальный срок. Именно поэтому мы разработали свое собственное оборудование и позиционируем его как перспективное решение для промышленного майнинга и наукоемких вычислений. По этой же причине мы не продаем наши решения на открытом рынке, а привлекаем внешние инвестиции для масштабирования. И тут те же вопросы, что и выше. Если это ферма, собранная на старом оборудовании, то до момента внедрения сложность возрастет, а рентабельность изменится значительно. В основном, это касается ASIC'ов, когда под промышленным майнингом понимается покупка огромного количества существующего на рынке оборудования и его массовый запуск. Мы же не об этом в статье. Мы о новом уникальном решении с двухфазным иммерсионным охлаждением GPU с высокой плотностью их установки, которое не могут применять другие. Мы о GPU, где при PoW сложность сетей не растет значительно при увеличении объемов добычи. Мы о масштабировании в кратчайший срок для перехода на конвейерное производство собственного оборудования. Мы пошли по пути - "качеством". А многие на рынке по факту идут как раз по пути "количеством", видели, знаем. Как показывает практика, ваши слова обоснованы. Часто неадаптированные решения просто опускаются в Novec и демонстрируются как решения с иммерсионным охлаждением. Нет, это просто материнская плата и PCIe видеокарта или видеокарты в "жиже". У нас другое - собственное решение, высокая плотность установки видеокарт, АСУ и т.д. И к нашему решению мы шли последовательно. Если посмотрите линейку разработанного и произведенного нами оборудования, то увидите, что начало было около 2 лет назад в мобильных решения на воздушном охлаждении (данные решения, ComBox A-480, сейчас не производятся). На них можно посмотреть на контейнеры и внутреннее содержание: Уникальные и перспективные решения имеет смысл масштабировать. Именно поэтому привлекаются внешние инвестиции для проекта. Но привлекаются они не на покупку чего-то готового и устаревающего изо дня в день, купленного в Китае и перепроданного в России с огромной наценкой, а на собственное разработанное решение, готовое к производству.
  7. И это вовсе не означает, что есть хоть какой-то повод их не использовать. Просто их надо уметь правильно готовить :) В нашем решении это 28 мегахешей с карты в майнинге на Эфире с постоянной температурой 61 градус Цельсия на чипе и памяти, высокая компоновка видеокарт (там где раньше помещалось 8 карт PCIe, теперь помещается 96 штук).
  8. Очень тонкий вопрос. Во-первых, зависит от того железа, которое купила упомянутая вами "очередь". Во-вторых, от конкретной полученной стоимости электроэнергии. Мы выступаем в роли производителя, мы разработали собственное решение с определенными техническими характеристиками. Мы не говорим об айсиках, максимальный профит от которых имеют их производители, а на последнем вздохе продают их предварительно "подогретой" ошеломляющим хешрейтом публике. Мы говорим об использовании GPU с высоким хешрейтом, разными сферами применения, долгим сроком эксплуатации. Вот здесь согласны с вами. Максимальный профит - профит производителя. ComBox Technology - производитель. Мы сделали свое собственное решение под промышленный майнинг и наукоемкие вычисления. Мы не продаем решения на открытом рынке на текущем этапе развития компании. Мы предлагаем инвесторам эксклюзивное право на получение дохода с контейнеров пропорционально долям вложения в их производство. Требования по теплоотводу (TDP) показывают не максимальное теоретическое тепловыделение процессора, а лишь минимальные требования к производительности системы охлаждения в условиях "сложной нагрузки".
  9. Вы совершенно правы. Но, не учитываете следующие факты: 1. В ноутбучных MXM видеокартах, которые вы можете приобрести в магазине, производительность ограничена BIOS, чтобы не допустить перегрева при таком слабом охлаждении. Скорее всего на такой видеокарте будет установлен процессор версии Mobile, в нём на 2% меньше шейдеров (что не так важно для майнинга) и не быстрая ОЗУ (а вот это для майнинга очень важно, так как в ethash много операций с памятью). 2. На MXM видеокартах установлены точно такие же компоненты как на PCI видеокартах, память, элементы блока питания). Просто уменьшили габариты печатной платы чтобы можно было установить карту в ноутбук. 3. Значение TDP указывает потребляемую мощность ТОЛЬКО для GPU. Значение TDP не учитывает требования к RAM который по температуре греется не хуже GPU и не учитывает потребляемую мощность блока питания видеокарты. 4. У нас не простые MXM карты. При сборке карт мы установили память SAMSUNG она быстрее и соответственно более производительная. 5. У нас не простая прошивка BIOS, всё разогнано в максимально допустимые значения. 6. Также мы применяем двухфазное иммерсионное охлаждение, это позволяет БЕЗОПАСНО разгонять видеокарту до предела и обеспечивает равномерное охлаждение в каждой точке видеокарты. Не перегревается ОЗУ, не перегреваются элементы блока питания, тем самым продлевается срок службы электроники. К примеру, вы можете погуглить как Lifetime (срок жизни) конденсаторов уменьшается от температуры. При воздушном охлаждении с таким настройками видеокарта не проживёт и полгода. В нашем же случае такие риски многократно ниже! 7. Все выше перечисленное сказывается на общей потребляемой мощности, но и даёт существенный прирост производительности. Система полностью сбалансирована и настроена на многолетнюю работу! PS: Настоятельно не рекомендуем вам менять параметры настройки BIOS видеокарты если вы не знаете технических параметров процессора и режимов работы ОЗУ и не понимаете что делаете. Превышение Tjunction несёт риск повреждения ядер GPU, по гарантии потом Вам никто видеокарту не поменяет. :)
  10. Не 80, а 180. Майнинг на MSI RX 470, подробнее тут - https://bitexpert.io/wiki/majning-na-amdradeonrx-470/Один из популярных брендов видеокарт MSI выпустил несколько вариантов RX 470. Объем памяти 4 гигабайта и 8 гигабайт. Частота ядра 1230 МГц, частота памяти 6600 МГц. GPU оснащена воздушной системой охлаждения Armor 2X, двухкамерным радиатором и массивной медной трубкой. За счет кулеров MSI TORX осуществляется бесшумная работа. Дополнительное питание 8 пин. Энергопотребление 180 Вт. Конечно же для поднятия мощности нужно прошить БИОС и повысить частоты в драйверах. Все верно. В рознице и ритейле есть дополнительные звенья в цепочке продаж, которые зарабатывают на этом. Оптовая поставка видеокарт, ASIC'ов напрямую намного выгоднее, что существенно занижает срок окупаемости, особенно в майнинге, где важна скорость и отсутствие роста сложности сети. Также в промышленных масштабах используются централизованные решения для защиты оборудования. Одно решение работает на много ASIC'ов или видеокарт/контейнеров. Плюс за счет масштабов ведутся комплексные работы в части сокращения энергопотребления. В нашем случае - применение двухфазного иммерсионного охлаждения. Все верно, спасибо! Ради 1-2 карт никто никуда не полезет. Порог - 5%. Далее - обслуживание и остановка секционно, блоками по 96 карт.
  11. Даже при соблюдении этих условий - спорно. Во-первых, стоимость оборудования в ритейле завышена значительно. Во-вторых, не учитывается качество оборудования, а также недостатки от использования воздушного охлаждения под нагрузкой (в сравнении с иммерсионным). В-третьих, кондиционирование и охлаждение. 3-5 ферм по 8 карт это 3-5 радиаторов по 8 секций в каждом, которые будут работать и днем и ночью, зимой и летом. Карты периодически отваливаются. При неверных PL и частотах - греются, при вентиляторах на максимум - шумят и последние выходят из строя. Трейдинг и майнинг - разное. Можно покупать, продавать криптовалюту и зарабатывать на этом. А можно ее добывать. Срок окупаемости в промышленном майнинге 1,6-1,8 года. Это очень хорошие показатели для промышленных масштабов.
  12. Про стоимость электричества в промышленном майнинге уже отвечали. Это 2,7 руб. от ФСК и вилка 3-4 руб./кВт с учетом всех затрат (аренда, охрана и т.д.). Домашний майнинг не рентабельный. Есть лимиты по кол-ву оборудования, нет системных общих решений для оборудования в группах, нет оптимизации. Часто срок окупаемости стоит за пределами срока службы оборудования, высоки риски выхода его из строя.
  13. Рентабельность домашнего майнинга низкая. Проблем он с собой приносит много. Это воздушка на видеокартах или шумные ASIC'и. Ажиотаж появления новых игроков, которые хотят майнить дома закончился в начале этого года. Можно даже по авито посмотреть увеличивающиеся количество б/у ферм и ригов, которые выставляются на продажу теми, кто хотел попробовать. С промышленным майнингом все наоборот. Централизация решений, общая охрана, общие системы пожаротушения, оптимизация затрат, т.е. увеличение рентабельности позволяют говорить о нем, как о растущем направлении. PoW пока никто не отменял. Даже при частичном переход на PoS Эфира, PoW останется, плюс есть другие криптовалюты. Промышленные решения на GPU масштабируются в GPU-кластеры для решения наукоемких задач, что опять же не возможно в домашних условиях. Т.е. есть альтернативная ниша, в которую можно войти, в случае необходимости. Срок окупаемости контейнера - 1,6-1,8 года. При этом карты безопасно гонятся до 28 мегахешей на Эфире и чипы работают при постоянной, одинаковой на всех точках (и памяти в том числе) температуре. На воздушке есть много факторов, которые затрудняют эксплуатацию. Это вентиляторы, качество воздуха, кулеры на картах. Все это требует обслуживания и выходит из строя. Обслуживание - это простой оборудования, простой - это потеря денег и времени. И еще раз - 170 кВт, это потребление всего контейнера со всей обвязкой для 960 видеокарт AMD RX470, общее. Домашнее никогда не будет эффективнее, верно! Промышленные - это оптимизация, обобщение затрат, решения другого порядка и плана. Домашнее - это хобби.
  14. Коммерческая стоимость электроэнергии отличается. Для физ. лиц м.б. 2 руб/кВт. Для юр. лиц от ФСК это 2,7 руб./кВт, с учетом аренды и охраны это 3-4 руб. Коммерческая стоимость электроэнергии отличается. Для физ. лиц м.б. 2 руб/кВт. Для юр. лиц от ФСК это 2,7 руб./кВт, с учетом аренды и охраны это 3-4 руб. О каких конкретно проблемах МХМ вы говорите?
  15. Немного не так. Домашний майнинг сейчас это только майнинг в пулах. Промышленный - это соло и собственные мультивалютные пулы с комиссией других участников по PPLNS. Другая доходность и источники дохода. В домашнем майнинге есть лимиты по количеству ферм, ригов, карт. Т.е. дома не поставишь 10 ферм, дорого, лимиты по электричеству. Т.о. будет много разных участников со своей инфраструктурой. В промышленном майнинге вся инфраструктура - общая. Это и противопожарные системы, системы безопасности, охрана, обслуживание. Считайте все это (время стоит денег) в домашнем майнинге и получите его реальную эффективность. Срок окупаемости - 1,6-1,8 года. Коммерческая стоимость электроэнергии отличается. Для физ. лиц м.б. 2 руб/кВт. Для юр. лиц от ФСК это 2,7 руб./кВт, с учетом аренды и охраны это 3-4 руб. Разумеется, в таких объемах по жидкости мы работаем напрямую с 3M Russia и имеем значительные скидки на поставку. За счет нашего собственного дизайна плат и их компоновки в секции (96 видеокарт), количество жидкости на секцию - минимально. Если рассматривать аналогичные примеры с платами PCIe (когда классические решения просто опускаются в жидкость), то там расход жидкости выше в разы, что делает конкурентные решение нерентабельными.
  • Сейчас на странице   0 пользователей

    Нет пользователей, просматривающих эту страницу.

×